Kurbağa sıçrama algoritmasının kümeleme problemlerine uygulanması
Using the shuffled frog leaping algorithm on clustering problems
- Tez No: 418871
- Danışmanlar: YRD. DOÇ. DR. AHMET BABALIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Verilerin kendi aralarındaki benzerlik ve farklılık durumlarına göre gruplandırılması işlemi kümeleme olarak adlandırılabilir. Kümeleme işleminden sonra aynı kümedeki verilerin benzerliklerinin, farklı kümelerdeki verilerin benzersizliklerinin maksimum olması beklenir. Bu çalışmada UCI Machine Learning Repository veri ambarından alınan 12 adet veri seti (Balance, Breast Cancer Wisconsin Diagnostic, Breast Cancer Wisconsin Original, Credit, Dermatology, Diabetes, E. Coli, Glass, Heart Disease, Iris, Thyroid ve Wine) üzerinde Kurbağa Sıçrama Algoritması (KSA) ile hiyerarşik olmayan kümeleme yapılmıştır. KSA küme merkezlerinin belirlenmesi amacıyla kullanılmıştır. Veriler ile küme merkezleri arasındaki toplam uzaklık Öklid metodu ile hesaplanmıştır. Toplam karesel uzaklık değerinin minimize edilmesi KSA'nın amaç fonksiyonu olarak ele alınmıştır. Bunun yanı sıra KSA'nın genel yapısında herhangi bir değişikliğe gidilmeden, memetik evrim aşamasında uygunluk değeri en kötü olan kurbağanın konumunun güncellenmesi için sıçrama miktarının belirlenmesi sırasında adaptif bir seçim önerilmiştir. KSA'nın önerilen bu yeni hali Adaptif Kurbağa Sıçrama Algoritması (AKSA) olarak isimlendirilmiştir. KSA ve AKSA'nın belirlenen veri setleri üzerindeki kümeleme performansları incelenmiştir. Elde edilen deneysel sonuçlara göre AKSA'nın kümeleme problemleri için KSA'dan genel olarak daha başarılı sonuçlar elde ettiği görülmüştür.
Özet (Çeviri)
The clustering is to group any data set according to data similarities and dissimilarities. After clustering, the similarity among data in same group and the dissimilarity among data in different groups are expected to be maximum. In this work, Shuffled Frog Leaping Algorithm (SFLA) is applied on non-hierarchical clustering by using 12 data sets (Balance, Breast Cancer Wisconsin Diagnostic, Breast Cancer Wisconsin Original, Credit, Dermatology, Diabetes, E.Coli, Glass, Heart Disease, Iris, Thyroid and Wine) taken from UCI Machine Learning Repository platform. SFLA is used to find center of clusters. Euclidean method is used to calculate the distance between data objects and their cluster center. The minimizing of the sum squared distance value is used as SFLA's fitness function. Besides, without going to any changes in the structure of SFLA, a new adaptive choice of leaping size is proposed during the updating location of the worst frog in the population. The proposed model of the SFLA is named as Adaptive Shuffled Frog Leaping Algorithm (ASFLA). The clustering performances of the SFLA and ASFLA are analyzed on using data sets from UCI and compared with each other. According to the experimental results, the clustering performance of the ASFLA is generally better than the clustering performance of the SFLA.
Benzer Tezler
- Farklı veri setleri üzerinde ateşböceği optimizasyon algoritması ile kümeleme
Clustering of firefly optimization algorithm on different data set
MINA MUAYAD ABDULAZEEZ ALABD ALRAHMAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ERDİNÇ KOÇER
- Kurbağa sıçrama algoritması ve gezgin satıcı problemine uygulanması
Shuffled frog leaping algorithm and its application to traveling salesman problem
MERT ARMAĞAN ÖLÜÇ
Yüksek Lisans
Türkçe
2013
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NUMAN ÇELEBİ
- Solving the traveling salesman problem using metaheuristic algorithms
Metasezgisel algoritmalar kullanılarak gezgin satıcı probleminin çözülmesi
SUHAIR SAFAA SAUD
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HALİFE KODAZ
- Akıllı şebekelerde yük yönetimi ve yük tahmini
Load forecasting and load management in smart grid
MEHMET ŞEFİK ÜNEY
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURETTİN ÇETİNKAYA
- Carbon dioxide emissions prediction using meta-heuristic methods for renewable and non-renewable sources' applications
Yenilenebilir ve yenilenemeyen enerji kaynaklarının uygulamaları için meta-sezgisel yöntemler kullanılarak karbondioksit emisyonları tahmini
İNAYET ÖZGE AKSU
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUĞÇE DEMİRDELEN