Bulanık kümeleme analizi ve OECD ülkelerinin gelişmişlik bakımından kümelendirilmesi
Fuzzy cluster analysis and clustering OECD countries based on develeopment
- Tez No: 397188
- Danışmanlar: PROF. DR. ZEKİ YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: kümeleme, bulanık mantık, bulanık kümeleme, bulanık c-ortalamalar, clustering, fuzzy logic, fuzzy clustering, fuzzy c-means
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
- Sayfa Sayısı: 88
Özet
Kümeleme yöntemleri; verinin kümelere nasıl atandıklarına, başka bir deyişle, hangi türde bölünmeler oluşturduklarına göre ayrılırlar. Klasik kümeleme yöntemlerinde her birim kesin olarak bir kümeye atanmak zorundadır. Bu yöntemler, veri setini eksiksiz olarak boş olmayan ve ikili ayrık alt gruba ayrıştıran bölünmeler üretir. Zadeh tarafından geliştirilen bulanık küme teorisi ile açıklanan“üyelik fonksiyonu”ile kesin olarak ait olma durumu ortadan kalkmış ve klasik kümelemeye alternatif olan Bulanık Kümeleme Yöntemi ortaya çıkmıştır. Bulanık kümeleme yönteminin kullanımı, belirsiz küme üyelikleri hakkında bilgi sağlar. Bulanık kümeleme, her bir birimin sadece tek bir kümeye atanma zorunluğunu ortadan kaldırarak, her bir birimin belli üyelik dereceleriyle tüm kümelere üye olduğu bir kümeleme yöntemine dönüştürür. Bu tez çalışmasında Ekononomik İşbirliği ve Kalkınma Örgütü (OECD- The Organization for Economic Co-operation and Development) üyesi 34 ülkenin sosyo-ekonomik yapılarını gösteren 30 değişkene ait veriler kullanılmıştır. Ülkelerin ekonomik performansını gösteren makro-ekonomik ve sosyo-kültürel göstergeler ile örgütlenmede yer alan bu ülkelerin gelişmişlik bakımından hangileriyle benzeştiğinin, hangileriyle farklılaşma gösterdiğinin ortaya konulması hedeflenmiştir. Bu amaçla bulanık kümeleme analizinden yararlanılmıştır. Bulanık kümeleme analizi hem MATLAB hem de R paket programları kullanılarak gerçekleştirilmiş, sonuçlar karşılaştırılmıştır. Ek olarak aynı veriye klasik kümeleme yöntemlerinden olan k-medoid kümeleme yöntemi uygulanarak bulanık kümeleme sonuçları ile karşılaştırılmıştır. Uygulama sonucunda bulanık kümeleme ve k-medoid kümeleme yöntemleri ile OECD ülkeleri gelişmiş ve daha az gelişmiş olmak üzere iki ayrı kümeye ayrılmıştır. Ülkelerin yer aldıkları kümeler bulanık kümeleme yöntemi ve k-medoid kümeleme yöntemine göre farklılık göstermiştir.
Özet (Çeviri)
Clustering methods split up according to how data is assigned to clusters, in other words, what kinds of groups they create. In classical clustering methods, each unit certainly has to be assigned to one cluster. These methods generate the groups which seperate the data set to completely non-empty and dual discrete subgroup. With“Membership Function”described by the fuzzy set theory developed by Zadeh, definitely belonging situation disappeared and Fuzzy Clustering Method which is an alternative to classical clustering arose. The use of fuzzy clustering method provides information about improper cluster memberships. Fuzzy clustering eliminates the necessity that each unit is assigned to only one cluster, converts to a clustering method which each unit is a member of all clusters with certain degrees of membership. In this thesis study, the datas belonging to 30 variables which shows the socio-economic structures of 34 countries that are members of The Organization for Economic Co-operation and Development(OECD) were used. Revealing that these countries in the organization are similar to which of these, shows differentiation with which of these in terms of development with macro-economic and socio-cultural indicators showing economic performances of countries was aimed. For this purpose, fuzzy clustering analysis was used. Fuzzy clustering analysis was performed by using both MATLAB and R packaged softwares, the results were compared. Additionally, k-medoids clustering method which is one of classical clustering methods was applied to the same data, compared with the results of fuzzy clustering. As a result of the application, OECD countries were divided into two seperate clusters including developed and least developed with fuzzy clustering and K-medoids clustering. The clusters which the countries located in varied depending on fuzzy clustering method and k-medoids clustering method.
Benzer Tezler
- OECD ülkelerinin sağlık alanındaki etkinliklerinin bulanık veri zarflama analizi ile belirlenmesi
Determining of health efficiencies of OECD countries by using fuzzy data envelopment analysis
GÖZDE YEŞİLAYDIN
Doktora
Türkçe
2015
Sağlık Kurumları YönetimiAnadolu Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. NESRİN ALPTEKİN
- Bulanık kümeleme analizi ve gençlerde sigara içme eğilimi üzerine bir uygulama
Fuzzy clustering analysis and an application on prevalence of youth tobacco use
HAZEL KAVILI
Yüksek Lisans
Türkçe
2016
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. GÜLHAYAT GÖLBAŞI ŞİMŞEK
- Bulanık kümeleme analizi ve bulanık modellemeye uygulamaları
Fuzzy clustering analysis and applications to fuzzy modeling
NEVİN GÜLER DİNCER
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Üniversitesiİstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MÜBARİZ EMİNOV
- Bulanık c-ortalamalar kümeleme analizi ve sağlık alanında uygulaması
Fuzzy c-means clustering method and its application in medical field
SURİYE ÖZGÜR
Yüksek Lisans
Türkçe
2017
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. MEHMET NURULLAH ORMAN
- Bulanık c-Ortalamalar kümeleme analizi ve uygulamaları
Fuzzy c-Means cluster analysis and its applications
GÖZDE ULUTAGAY