Geri Dön

Farklı veri setleri üzerinde ateşböceği optimizasyon algoritması ile kümeleme

Clustering of firefly optimization algorithm on different data set

PDF İndir

  1. Tez No: 538587
  2. Yazar: MINA MUAYAD ABDULAZEEZ ALABD ALRAHMAN
  3. Danışmanlar: DOÇ. DR. HASAN ERDİNÇ KOÇER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 45

Özet

Kümeleme denetimsiz bir sınıflandırma algoritmasıdır ve nesneler arasında bulunan benzerliğe göre işlem yapar. Aynı kümede bulunan nesneler çok benzerlik gösterirken diğer kümeler arasında farklılık göstermektedir. Kümeleme işlemi birçok kümeleme algoritmaları ile yapılabilir, önemli olan veriler arasında en iyi küme merkezlerinin bulunmasıdır. Bu çalışmada global arama yeteneğine sahip olan ve birçok zor problemlerin çözümünde kullanılan ateşböceği kümeleme algoritması kullanılarak UCI veri ambarından alınan 12 adet veri seti (Balance, Breast Cancer Wisconsin Diagnostic, Breast Cancer Wisconsin Original, Credit, Dermatology, Pima Diabetes, E. Coli, Glass, Heart Disease, İris, Newthyroid ve Wine) üzerinde kümeleme işlemi yapılmıştır. Tezde önerilen yaklaşımda Rand index fonksiyonu kümeleme aşamasında uygunluk fonksiyonu olarak kullanılmıştır. Önerilen kümeleme algoritmasının test sonuçları, aynı veri setlerine uygulanan Karışık Kurbağa Sıçrama Algoritması (KKSA) ve Parçacık Sürü Optimizasyonu (PSO) sonuçları (Karakoyun, 2015) (Karakoyun ve Babalik, 2015) ile karşılaştırılmıştır. Bu karşılaştırmaya göre önerilen kümeleme algoritması 7 veri setinde (Balance, Breast Cancer Wisconsin Original, E.Coli, Glass, Heart Disease, İris ve Wine) daha iyi bir performans göstermiştir. Bu karşılaştırmalarda ölçüt olarak sınıflandırma hata yüzdesi (SHY) hesaplanmış ve önerilen algoritmadan elde edilen performanslar tezin deneysel sonuçlar kısmında karşılaştırmalı olarak sunulmuştur.

Özet (Çeviri)

Clustering is an unsupervised classification algorithm, is a group of clustering method, the clusters in the same group are very similar and the clusters in the other group are different. This clustering can be done with many clustering algorithms, it is important to find the best cluster centers among the data. In this thesis, the success of the firefly clustering algorithm, which has global search ability and is used to solve many difficult problems, has been tested on 12 datasets (Balance, Breast Cancer Wisconsin Diagnostic, Breast Cancer Wisconsin Original, Credit, Dermatology, Pima Diabetes, E. Coli, Glass, Heart Disease, Iris, Newthyroid and Wine) from the frequently used UCI data warehouse. In the proposed approach, the Rand index function was used as a fitness function. The test results of the proposed clustering algorithm were compared with the results of Suffled Frog Leaping Algorithm (SFLA) application and Particle Swarm Optimization (PSO) results (Karakoyun, 2015 ) (Karakoyun and Babalik, 2015). According to this comparison, the proposed clustering algorithm showed better performance in 7 data sets (Balance, Breast Cancer, Wisconsin Original, E.Coli, Glass, Heart Disease, Iris and Wine). In this comparison, Classification Error Percentage (CEP) and the performances obtained from the proposed algorithm were presented comparatively in the experimental results section of the thesis.

Benzer Tezler

  1. Tez No

    514149

    Wrapper feature selection approach for spam e-mail filtering

    İstenmeyen e-postaların filtrelenmesi için sarmal öznitelık seçme yaklaşımı

    FARAH AL-AZZAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL ASLANTAŞ

  2. Tez No

    478539

    Meta-analysis of microRNA and gene selection using machine learning

    Makine öğrenmesi kullanarak microRNA meta-analizi ve gen seçimi

    ELNAZ PASHAEI

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NİZAMETTİN AYDIN

  3. Tez No

    728147

    Farklı veri setleri üzerinde yapay bağışıklık sistemi algoritması ile sınıflandırma çalışması

    Classification with artificial immune system algorithm on different datasets

    NURİ BURAK AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    PROF. DR. AYSUN COŞKUN

  4. Tez No

    632775

    Makine öğrenmesi sınıflandırma yöntemlerinde performans metrikleri ile test tekniklerinin farklı veri setleri üzerinde değerlendirilmesi

    Evaluation of performance metrics and test techniques on various data sets in machine learning classification methods

    ABDULLAH ALAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik BilimleriFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT KARABATAK

  5. Tez No

    355578

    Bölümleyci kümeleme algoritmalarının farklı veri yoğunluklarında karşılaştırması

    Comparison of partitioning-based clustering algorithms on differently distributed data

    HUSSEİN ALİ RİDHA AL-ZAND

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    YRD. DOÇ. DR. HACER KARACAN

Geri Dön