Geri Dön

Bulanık kümeleme analizinde bulanık kümeleme algoritmalarının karşılaştırılması

A comparison of fuzzy cluster algorithms in fuzzy clustering analysis

  1. Tez No: 510651
  2. Yazar: ASLI KAYA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖZER ÖZDEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Anadolu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Kümeleme analizi, örneklerin özelliklerine dayanarak veri noktalarını gruplamak için kullanılan denetimsiz bir öğrenme tekniğidir. Son dönemlerde bu teknikler özellikle biyoinformatik, biyoistatistik, genetik gibi alanlarda kullanımı artmıştır. Kümeleme, keskin ve bulanık olarak iki modda gerçekleştirilebilir. Keskin kümeleme yöntemlerinde, her birim kesinlikle bir kümeye atanmalıdır. Bulanık kümeleme algoritmaları ise, her bir nesnenin tek bir kümeye atanma kısıtını ortadan kaldırarak, belirli üyelik dereceleriyle tüm kümelere ait olmasına olanak kılar. Bu tezin amacı; bulanık kümeleme sürecinin araştırmacılara detaylı olarak aktarılmasını sağlamaktır. Ayrıca biyoinformatik, genetik gibi alanlarda bulanık küme algoritmalarının kümeleme tekniklerine alternatif bir yöntem olarak kullanılabileceğini göstermektir. Bu bağlamda, ilk olarak bu teknikler için önemli parametre olan optimal küme sayısının bulunması için bir uygulama gerçekleştirilmiştir. Bu uygulamada yaygın kullanılan genetik veri setinde hem geçerlilik indeksleri hem de dirsek yöntemi kullanılarak kapsamlı karşılaştırmalar yapılmıştır. Daha sonra, gen ekspresyon modellerine bulanık ve klasik kümeleme algoritmaları uygulanmış ve algoritmaların performansları karşılaştırılmıştır. Son olarak, bulanık kümelemede bir dezavantaj olan aykırı değer sorununu üstesinden gelmek için geliştirilmiş bulanık kümeleme algoritmaları karşılaştırılmıştır. Uygulama sonuçları basit bir şekilde analiz edilmiştir.

Özet (Çeviri)

Clustering is an unsupervised learning technique which is used to group samples of data based on their properties of instances. Recently, using of clustering techniques has increased in areas such as bioinformatics, biostatistics, and genetics. Clustering can be performed in two modes, hard and fuzzy. In classical clustering methods, each unit certainly has to be assigned to one cluster. Fuzzy clustering algorithms allow each object to belong to all clusters with a certain membership rating by removing the constraint of assigning to a single cluster. The purpose of this thesis is to provide a detailed transfer of the fuzzy clustering process to the researcher. In such as bioinformatics and genetics areas, it also shows that fuzzy clustering algorithms can be used as an alternative to clustering techniques. In this context, first an implementation was implemented to find the optimal cluster number, which is an important parameter for these techniques. Comprehensive comparisons have been made in the genetic data set commonly used in this application, both using validity indices and elbow method. Then, fuzzy and classical clustering algorithms were applied on the gene expression patterns and compared to measure the performance of the algorithms. Finally, improved fuzzy clustering algorithms have been compared to overcome the problem of outliers, which is a disadvantage of fuzzy clusters. The results of the application have been analyzed in a simple way.

Benzer Tezler

  1. Multivariate and fuzzy clustering approaches to dynamic classification of traffic flow states

    Çok değişkenli ve bulanık yaklaşımlarla trafik akımının dinamik sınıflandırılması

    MEHMET ALİ SİLGU

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Trafikİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. HİLMİ BERK ÇELİKOĞLU

  2. Implementation of some medical data in Apriori algorithm

    Apriori algoritmasının bazı tıbbı verilere uygulanması

    FAWAD SADIQMAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. NILÜFER YURTAY

  3. Hiperspektral görüntülerin eğiticisiz bölütlenmesi

    Unsupervised segmentation of hyperspectral images

    GÖKHAN BİLGİN

    Doktora

    Türkçe

    Türkçe

    2009

    Bilim ve TeknolojiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. SARP ERTÜRK

    PROF. DR. TÜLAY YILDIRIM

  4. 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

  5. Trigram özellik veri seti kullanılarak sınıflandırma yöntemleriyle dil tanıma

    Language identification with classification methods using trigram feature data set

    ŞENGÜL BAYRAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHaliç Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. HİDAYET TAKÇI

    PROF. DR. MÜBARİZ EMİNLİ