Parameter free version of FNDBSCAN algorithm
FNDBSCAN algoritmasının girdi parametresiz versiyonu
- Tez No: 491162
- Danışmanlar: YRD. DOÇ. DR. SEMİH UTKU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 59
Özet
Her gün, bir önceki gün ile kıyaslandığında daha çok veri mevcuttur.Bu veriler değerlendirilebilirse, daha çok veri daha çok fırsat anlamına gelir.Bu nedenle tüm veriler kümelere doğru olarak bölünmeli ve bu kümelerden doğru bilgiler çıkarılmalıdır.Doğru kümelere sahip olmak kullanılan kümeleme algoritmasına bağlıdır. Bir çok kümeleme algoritması bulunmaktadır ve bunlar beş temel gruba ayrılırlar. Yoğunluk tabanlı metotlar, farklı şekillerdeki kümeleri bulabilmeleri sayesinde bu beş temel grup arasında çok önemlidir. Bu çalışmada, DBSCAN (Density Based Spatial Clustering of Applications with Noise) algoritmasının ileri bir modeli olan FN-DBSCAN Gaussian Means (FN-DBSCAN-GM) algoritması önerilir.FN-DBSCAN-GM algoritmasının temel katkısı girdi parametrelerini otomatik olarak bulmak ve veriyi kümelere gürbüz bir şekilde bölmektir. FN-DBSCAN-GM algoritması Matlab R2015b program kullanılarak geliştirilmiştir.Bu algoritmanın etkinliği, çakışan very kümeleri üzerinde (6 yapay veri kümesi ve 2 gerçek zamanlı veri kümesi) gösterilmiştir.Bu algoritmanın performansı doğru sınıflama yüzdesi ve bir geçerlilik indeksi kullanılarak kıyaslanmıştır.Deneylerimiz bu algoritmanın daha tercih edilebilir ve gürbüz bir algoritma olduğunu gösterir.
Özet (Çeviri)
More data exists every day compared to the previous days. If they can be evaluated, more data means more opportunities. Therefore, all data must be separated into clusters correctly and the right information from these clusters must be obtained. Having the correct clusters depends on the clustering algorithm which is used. There are many clustering algorithm which are separated into five main groups. The density based methods are very important among the groups of clustering methods, as they can find arbitrary shapes. An advanced model of the DBSCAN (Density Based Spatial Clustering of Applications with Noise) algorithm called FN-DBSCAN Gaussian Means (FN-DBSCAN-GM) is offered in this study. The main contribution of FN-DBSCAN-GM is to find the parameters automatically and to divide the data to clusters robustly. This algorithm has been developed using Matlab R2015b. The effectiveness of FN-DBSCAN-GM has been demonstrated on overlapping datasets (six artificial and two real life datasets). The performance of this is compared to the percentage of a correct classification and a validity index. Our experiments show that this new algorithm is more preferable and a more robust algorithm.
Benzer Tezler
- Statistical learning with proximity catch digraphs
Yakınlık yakalama yönlü çizgeleri ile istatistiksel öğrenme
ARTÜR MANUKYAN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ÇAĞLAR
- Utilization of improved recursive-shortest-spanning-tree method for video object segmentation
Video nesne bölütlemesi için geliştirilmiş özyinelemeli-en-kısa-ağaç yöntemi kullanımı
ERTEM TUNCEL
Yüksek Lisans
İngilizce
1997
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiPROF. DR. LEVENT ONURAL
- Sezgisel arama algoritmaları ile trafik sinyal optimizasyonu
Traffic signal optimization via heuristic search algorithms
ABDULLAH KARAAĞAÇ
Doktora
Türkçe
2020
Mühendislik BilimleriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT BOSTANCI
- Atom çekirdeğinde yeni dinamik simetriler
New dynamical symmetries in atomic nucleus
İBRAHİM YİĞİTOĞLU
Doktora
Türkçe
2006
Fizik ve Fizik Mühendisliğiİstanbul ÜniversitesiFizik Ana Bilim Dalı
PROF.DR. M. NİZAMETTİN ERDURAN
- Fenilketonüride fenilalanin toleransının değerlendirilmesinin önemi
The importance of the evaluation of the phenylalanine tolerance in phenylketonuria
GİZEM AKIN
Tıpta Uzmanlık
Türkçe
2019
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. MÜBECCEL DEMİRKOL