Veri kümeleme amacıyla yeni hibrit bir algoritma geliştirilmesi
Development of a novel hybrid algorithm for data clustering
- Tez No: 509903
- Danışmanlar: DR. ÖĞR. ÜYESİ METİN TOZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Bu tez çalışmasında, kambur balinaların avlanma davranışlarından esinlenilerek geliştirilmiş global bir optimizasyon algoritması olan Balina Optimizasyon Algoritması (BOA), performansı kaos haritaları ile iyileştirildikten sonra veri kümeleme problemlerinde sıklıkla kullanılan Fuzzy C-Means (FCM) algoritmasıyla hibrit edilmiş ve kaotik BOA algoritmaları önerilmiştir. Önerilen algoritmaların performansları ortalama amaç fonksiyon, standart sapma ve Wilcoxon Sign Rank Test ile 0,05 önem düzeyinde değerlendirilmiş, 13 farklı amaç fonksiyon ile test edilmiştir. Önerilen kaotik BOA algoritmalarının her biri BOA algoritmasıyla karşılaştırılmış, performans gelişimi hem istatistiksel olarak hem de grafiksel olarak gösterilmiştir. Ardından, önerilen kaotik BOA algoritmaları FCM algoritması ile bütünleştirilerek hibrit veri kümeleme algoritmaları önerilmiştir. Hibrit veri kümeleme algoritmalarının kümeleme performansları amaç fonksiyon, Rand İndeks ve Adjust Rand İndeks değerleri ile ölçülmüş, UCI Machine Learning Repository veri tabanından seçilen 7 farklı veri kümesi ile test edilerek FCM algoritması ile karşılaştırılmıştır. Bunlara ek olarak, önerilen hibrit algoritmaların veri kümeleme performanslarını arttırmak amacıyla FCM algoritmasındaki tüm uzaklıklar Öklid yerine Chebyshev uzaklık fonksiyonu ile hesaplanarak yeni hibrit kümeleme algoritmaları önerilmiştir. Önerilen tüm algoritmalar hem birbirleriyle hem de FCM algoritmasıyla karşılaştırılmış, FCM algoritmasından daha iyi veri kümeleme yapabildikleri gözlemlenmiştir. Sonuç olarak kaos fonksiyonlarının BOA algoritmasının optimizasyon performansını geliştirdiği, kaos tabanlı BOA algoritmaları ile FCM algoritmasının bütünleştirilmesinin FCM algoritmasının dezavantajlarını iyileştirdiği, uzaklık fonksiyonunun değiştirilmesinin algoritmaların kümeleme performansını arttırdığı görülmüştür.
Özet (Çeviri)
In this thesis, Whale Optimization Algorithm (WOA), a global optimization algorithm developed by inspiration from hunting behaviors of humpback whales, has been improved with chaos maps and then hybridized with Fuzzy C-Means (FCM) algorithm which is frequently used in data clustering problems and chaotic BOA algorithms are proposed. The performances of the proposed algorithms are evaluated with mean benchmark function, standard deviation and Wilcoxon Sign Rank Test at 0,05 significance level and tested with 13 different benchmark functions. Each of the proposed chaotic WOA algorithms is compared with the WOA algorithm, and the performance improvement is shown both statistically and graphically. Then, the proposed chaotic WOA algorithms are integrated with the FCM algorithm and hybrid data clustering algorithms are proposed. The clustering performances of hybrid data clustering algorithms measured with objective function, Rand Index and Adjust Rand Index values are compared with the FCM algorithm for 7 different data sets selected from the UCI Repository database. In addition, new hybrid clustering algorithms are improved by using Chebyshev distance function instead of Euclidean distance in FCM algorithm to increase data clustering performance of proposed hybrid algorithms. All proposed algorithms are compared with each other and FCM algorithm, and it is observed that they can cluster data better than FCM algorithm. As a result, it has been seen that chaos functions improve the optimization performance of WOA algorithm, integrating chaos-based WOA algorithms with FCM algorithm improves disadvantages of FCM algorithm, changing distance function increases clustering performance of algorithms.
Benzer Tezler
- Sürü zekâsı kullanarak renkli görüntü segmentasyon tekniklerinin geliştirilmesi
Development of color image segmentation techniques using swarm intelligence
TAHİR SAĞ
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÇUNKAŞ
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- A content boosted hybrid recommendation system
İçerik arttırımlı hibrit bir öneri sistemi
SEVAL ÇAPRAZ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM TEMİZER
- Making warehouse location decisions with machine learning methods: A case of a Turkish logistics company
Büyük veri makine öğrenme yöntemleri ile depo lokasyon kararlarının alınması: Bir Türk lojistik şirketi örneği
AYCAN SARIÇAM
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DOÇ. DR. ATINÇ YILMAZ
- Dengesiz veri kümeleriyle sınıflandırma için kümelemeye dayalı yeni bir hibrit metodoloji
A novel hybrid methodology based on clustering for classification with imbalance datasets
ABDULLAH MARAŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROL