Geri Dön

Yeni nesil metasezgisel yaklaşımların kümeleme performanslarının karşılaştırılması: Resmi istatistiklerde uygulama

Comparison of new generation metaheuristic approaches clustering performances: Application in official statistics

  1. Tez No: 433891
  2. Yazar: FATMA TURNA
  3. Danışmanlar: DOÇ. DR. LALE ÖZBAKIR
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, İstatistik, Industrial and Industrial Engineering, Statistics
  6. Anahtar Kelimeler: Kümeleme, İyon hareketi algoritması, Ağırlıklı süperpozisyon çekimi algoritması, Yaşam memnuniyet araştırması, Clustering, Ion motions algorithm, Weighted superposition algorithm, Life satisfaction survey
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 167

Özet

Veri analizinde kümeleme yöntemlerinin kullanılmasına ilişkin literatürde birçok çalışma bulunmakta ve kümeleme halen araştırmacılar tarafından zor bir problem olarak ele alınmaktadır. Parametre sayısı az ve hesapsal zamanı kısa olan algoritma arayışı nedeniyle yeni nesil yaklaşımların kümeleme problemine uygulanması ilgi çekmektedir. Bu tez çalışması; özgün olarak literatüre giren ve performanslarını standart test fonksiyonlarında ispatlayan iki yeni nesil metasezgisel yaklaşımın kümeleme problemine uygulanmasını içermektedir. Bu algoritmalardan biri olan İyon Hareketi Algoritması, doğadaki iyonların hareketlerinden esinlenmiştir. Ağırlıklı Süperpozisyon Çekim Algoritması ise temelde süperpozisyon ve ajanların çekim hareketi prensiplerine dayanmaktadır. Her iki algoritma da literatürdeki sürekli, kategorik ve karma 10 veri kümesine uygulanarak, performansları Parçacık Sürü Optimizasyon Algoritması ve Yapay Arı Koloni Algoritması ile karşılaştırılmıştır. Uygun olmayan çözümlerin seçilmemesi için tüm algoritmalara Deb kuralı uygulanmıştır. Elde edilen sonuçlar, her iki algoritmanın da kümeleme probleminde rekabet edebilir olduğunu göstermiştir. Kategorik verilerdeki en iyi performansı gösteren iki algoritma, Türkiye İstatistik Kurumu tarafından düzenli olarak gerçekleştirilen Yaşam Memnuniyet Araştırması'na uygulanmış ve sonuçlar yorumlanmıştır. Çalışmadaki görüş ve yorumlar hazırlayanın kendisine aittir, Türkiye İstatistik Kurumu'nu bağlamaz. Bu teze dayanarak yapılan tüm çalışmalar için de aynı durum geçerlidir.

Özet (Çeviri)

There are many studies in the literature regarding the use of clustering methods and clustering is still considered as a difficult problem by researchers. Due to the searching for an algorithm with less number of parameters and short computational time, application of new generation approaches to the clustering problem draws attention. This thesis includes the application of two new generation meta-heuristic approaches-originally entered the literature and proved the performances in standard test functions- to the clustering problem. The Ion Motion Optimization Algorithm that one of these algorithms has been inspired by the movements of ions in nature. In the second place the Weighted Superposition Attraction Algorithm is essentially based on superposition and the principles of the attracted movements of agents. Both algorithms applied to 10 continuous, categorical and mixed datasets in the literature and their performances are compared with the Particle Swarm Optimization Algorithm and the Artificial Bee Colony Algorithm. For non-selection of unsuitable solutions, Deb rules were applied to all algorithms. The obtained results showed that both algorithms are competitive in the clustering problem. Two algorithms that show the best performance in categorical data applied to the Life Satisfaction Survey regularly carried out by Turkish Statistical Institute and the results are interpreted. The opinions and comments in this dissertation belong to writer and do not reflect the opinions of Turkish Statistical Institute. For all the work done on the basis of this thesis is the same as previous.

Benzer Tezler

  1. Yeni nesil kaotik tabanlı kök gelişim algoritmaları

    New generation chaotic based root development algorithms

    FAHRETTİN BURAK DEMİR

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ADNAN FATİH KOCAMAZ

  2. Çok amaçlı akıllı metasezgisel optimizasyon modeli ile nicel verilerde kural çıkarım temelli sınıflandırma modellerinin geliştirilmesi

    Development of rule mining based classification models for quantitative data with many-objective intelligent metaheuristic optimization model

    SUNA YILDIRIM

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLAL ALATAŞ

  3. Dinamik ortamlar için istatiksel metotlar kullanan çoklu evrimsel algoritmalar

    Multiploid evolutionary algorithms with statistical methods for dynamic environments

    EMRULLAH GAZİOĞLU

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE ŞİMA UYAR

  4. A condition coverage-based black hole inspired meta-heuristic for test data generation

    Koşullu kaplam tabanlı ve kara delik algoritması bazlı test verisi üretimi için meta-sezgisel bir yöntem

    DERYA YELİZ ULUTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN

  5. İkili gri kurt optimizasyon algoritmasının ikili optimizasyon problemlerine uygulanması

    Application of binary grey wolf optimization algorithm to binary optimization problems

    FEYZA ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞABAN GÜLCÜ