Bulanık kümeleme analizinde bulanık kümeleme algoritmalarının karşılaştırılması
A comparison of fuzzy cluster algorithms in fuzzy clustering analysis
- Tez No: 510651
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZER ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2015
Trafikİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. HİLMİ BERK ÇELİKOĞLU
- Implementation of some medical data in Apriori algorithm
Apriori algoritmasının bazı tıbbı verilere uygulanması
FAWAD SADIQMAL
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NILÜFER YURTAY
- Hiperspektral görüntülerin eğiticisiz bölütlenmesi
Unsupervised segmentation of hyperspectral images
GÖKHAN BİLGİN
Doktora
Türkçe
2009
Bilim ve TeknolojiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
PROF. DR. TÜLAY YILDIRIM
- 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
2022
İstatistikEskişehir Osmangazi Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ZEKİ YILDIZ
- Trigram özellik veri seti kullanılarak sınıflandırma yöntemleriyle dil tanıma
Language identification with classification methods using trigram feature data set
ŞENGÜL BAYRAK
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHaliç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. HİDAYET TAKÇI
PROF. DR. MÜBARİZ EMİNLİ