Neighborhood construction-based multi-objective evolutionary clustering algorithm with feature selection
Komşuluk kurma bazlı çok amaçlı evrimsel kümeleme ve öznitelik seçimi
- Tez No: 519850
- Danışmanlar: PROF. DR. NUR EVİN ÖZDEMİREL, DOÇ. DR. CEM İYİGÜN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yöneylem Araştırması Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 139
Özet
Bu çalışmada, gerçek küme sayısının bilinmediği, kümelerin gelişigüzel şekillere, küme içi ve/veya kümeler arası yoğunluk farklarına sahip olduğu, aykırı nokta ve gürültü içermeyen veri setleri üzerinde çalışılmıştır. Veri kümeleri çok boyutlu olup gereksiz öznitelikler içerebilir. Bu çalışma iki kısımdan oluşmaktadır. İlk kısımda, kümeleme probleminin sıkılık, ayrıklık ve bağlantılılık temel amaçları ile çalışan MOCNC isimli çok amaçlı evrimsel bir algoritma önerilmiştir. Sıkılık ve ayrıklık amaç fonksiyonlarını aynı anda eniyilemek için NSGA-II algoritmasının çok amaçlılık ve baskın olmayan sıralama özellikleri kullanılmıştır. Bağlantılılık amaç fonksiyonu için ise NC komşuluk kurma algoritması ön işleme aşaması olarak kullanılmıştır. İkinci kısımda, MOCNC algoritmasını, anlamsız öznitelik sayısının bilinmediği öznitelik seçimi problemi için MOCNC-F olarak genişlettik. Bu algoritmada farklı öznitelik alt kümeleri seçilir ve kümeleme seçilen özniteliklerle uygulanır. MOCNC-F algoritmasının çıktısı farklı sıkılık ve ayrıklık amaç fonksiyonu değerlerine sahip ve muhtemelen farklı özniteliklerle oluşturulmuş domine edilmeyen kümeleme çözümleridir. MOCNC-F sıkılık, ayrıklık ve bağlantılılık amaç fonksiyonlarını kullanarak öznitelik seçimi ve kümeleme problemini aynı anda çözen özgün bir algoritmadır. Kullanıcı tarafından tanımlanması gereken problem paremetresine ihtiyaç duymamaktadır. Algoritmalarımızı üretilmiş ve bilinen veri kümeleri üzerinde test ettik ve başarılı sonuçlar elde ettik.
Özet (Çeviri)
In this study, we address the clustering problem with unknown number of clusters having arbitrary shapes, intracluster and/or intercluster density differences, no outliers or noise. The data set may be high-dimensional with a number of redundant features. This study consists of two parts. In the first part, we propose a multi-objective evolutionary clustering algorithm, namely MOCNC, with three fundamental objectives of the clustering problem: compactness, separation, and connectivity. We use the multi-objective framework and nondominated sorting property of the well-known evolutionary algorithm NSGA-II to simultaneously optimize the compactness and separation objectives. To handle the connectivity objective, a special Neighborhood Construction (NC) algorithm is used as a preprocessor. In the second part, we extend the MOCNC algorithm as MOCNC-F for the feature selection problem where the data sets may contain an unknown number of redundant features. In this algorithm, different subsets of features are selected in solutions and clustering is performed using the selected features. The output of MOCNC-F is a set of nondominated clustering solutions each with different compactness and separation values, and possibly with different feature subsets. Our algorithms are unique in that they solve the feature selection and clustering problem simultaneously using the three fundamental objectives, which are compactness, separation, and connectivity, explicitly. The proposed algorithms do not need any user-defined problem parameters. We have experimented with the algorithms on generated and benchmark data sets, and obtained promising results based on selected performance criteria.
Benzer Tezler
- Sürdürülebilir toplu konut yerleşmesi tasarımı için Pareto genetik algoritmaya dayalı bir model önerisi: SSPM
A model for sustainable site layout design with pareto genetic algorithm: SSPM
YAZGI AKSOY
- Drone routing for post-disaster damage assessment in a remote communication setting
Uzaktan iletişimin bulunduğu ortamda afet sonrası hasar tespiti için dron rotalama problemi
ECEM YÜCESOY
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BURCU BALÇIK KOYUNCU
DR. ÖĞR. ÜYESİ ELVİN ÇOBAN GÖKTÜRK
- Karma geliştirme projeleri ve programlama ilkeleri
Mixed-use development projects and their programming principles
GÖKHAN AKTAN ALTUĞ
- Kentsel müdahalelerin kurgusal anlatısına ait sınırların kartezyen altlıklar üzerinden yeniden okunması
The reinterpretation of the boundaries of the fictional narrative of urban interventions within the context of cartesian thinking
BURAK HAZNEDAR
Doktora
Türkçe
2021
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SİNAN MERT ŞENER
- Kentsel gerçekliğin imgesel yeniden üretimi: Piyalepaşa, İstanbul
Imaginary reproduction of urban reality: Piyalepaşa, Istanbul
GİZEM AK
Yüksek Lisans
Türkçe
2019
Mimarlıkİstanbul Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
DOÇ. DR. ZEYNEP GÜNAY