Geri Dön

Bulanık C-ortalamalar, olabilirlikli C-ortalamalar ve karma kümeleme algoritmalarının etkinliklerinin karşılaştırılması

Comparison of clustering performances of fuzzy C-means, possibilistic C-means and some fuzzy and possibilistic hybrid algorithms

  1. Tez No: 460982
  2. Yazar: ALPER TUNA KAVLAK
  3. Danışmanlar: PROF. DR. ZEYNEL CEBECİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ziraat, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Zootekni Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 430

Özet

Bu çalışmada olasılıklı ve olabilirlikli yumuşak bölümleyici kümeleme algoritmalarından Bulanık C-ortalamalar (BCO), Olabilirlikli C-ortamalar (OCO), bunların hibritleri olarak Bulanık Olabilirlikli C-Ortalamalar (BOCO), Olabilirlikli Bulanık C-ortalamalar (OBCO) ile İtmeli Olabilirlikli C-Ortalamalar (iOCO) ve Yönetimsiz Olabilirlikli Bulanık Kümeleme (UOBCO) algoritmalarının kümeleme başarımları karşılaştırılmıştır. Algoritma başarımlarını test etmek için kare, elips, daire ve konkav şekilli gürültülü ve gürültüsüz 8 adet sentetik veri seti ve 4 gerçek veri seti kullanılmıştır. Kümeleme geçerlilik indeksleri olarak Bölümleme Entropisi (PE), Bölümleme Katsayısı (PC), Değiştirilmiş Bölümleme Katsayısı (MPC), Xie-Beni (XB), Kwon, Tang-Sun (TS) ve Bulanık siluet indeksleri (FS) kullanılmştır. Yapılan analizlere göre UOBCO algoritması daha düşük işlem zamanında geçerliliği yüksek kümeleme sonuçları ürettiğinden bulanık ve gürültülü büyük veri setlerinde kümeleme analizi için önerilmiştir.

Özet (Çeviri)

İn this study, we comapred the performance of Fuzzy C-Means (FCM) and Possibilistic C-Means (PCM) and Possibilistic C-Means with Repulsion (PCMR), and their hybrids such as Fuzzy Possibilistic C-Means (FPCM), Possibilistic Fuzzy C-Means (PFCM), Possibilistic C-Means with Repulsion (PCMR) and Unsupervised Possibilistic Fuzzy C-Means (UPFCM). Four real data sets and eight synthetic data sets consists of various square, ellipse, circle and concave shaped clusters with some noises were used for testing the performance of the algorithms. Partition Entropy (PE), Partition Coefficent (PC), Modified Partition Coefficent (MPC), Xie-Beni (XB), Kwon, Tang-Sun (TS) and Fuzzy Silhouette (FS) were used as clustering validity indices for finding the optimal numbers of clusters in the analyzed data sets. According to the obtained results, UPFCM is proposed for partitioning of fuzzy and noisy large data sets because of its computational efficieny and success to find the optimal clustering results.

Benzer Tezler

  1. Bulanık C- ortalamalar ve EM algoritması kullanarak bulanık kümeleme analizi

    Fuzzy Culustering analysis using Fuzzy K-Means and EM algorithm

    MOHAMMED I. S. SOBOH

    Doktora

    Türkçe

    Türkçe

    2022

    İstatistikEskişehir Osmangazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ZEKİ YILDIZ

  2. Bulanık kümelemeye dayalı parametre tahmini

    Parametres estimation based on fuzzt clustering

    ERSEGÜL GÖKTÜRK ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    İstatistikKaradeniz Teknik Üniversitesi

    İstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. TÜRKAN ERBAY DALKILIÇ

  3. Bulanık C-ortalamalar kümeleme algoritması kullanllarak araç tanıma

    Vehicle detection using fuzzy C-means clustering algorithm

    NOOSHIN NEMATI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiVan Yüzüncü Yıl Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RIDVAN SARAÇOĞLU

  4. 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

    Türkçe

    2017

    BiyoistatistikEge Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    PROF. DR. MEHMET NURULLAH ORMAN

  5. Bulanık c-ortalamalar yöntemi ile demerit kontrol şeması tasarımı ve tekstil sektöründe uygulama

    Design of demerit control scheme by fuzzy c-means method and an application in textile sector

    HÜLYA YİNELEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDA UĞURLU