Hiyerarşik ve K-ortalamalar yöntemleriyle grid noktalarının kümelenmesi
Clustering of grid points using hierarchical and K-means methods
- Tez No: 611634
- Danışmanlar: PROF. DR. TÜRKAY GÖKGÖZ
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 61
Özet
Sayısal yükseklik modelleri (SYM) başlıca iki temel üzerine inşa edilmektedir: Grid ve TIN (Triangulated Irregular Network). Kimi durumlarda daha özet SYM'lere gereksinim duyulur. Daha özet SYM'ler genelleştirme yoluyla elde edilir. Grid temelli SYM'ler önemli noktaları seçilerek, diğerleri elenerek genelleştirilir. Bu çalışmada, grid temelli SYM'lerin genelleştirilmesi kapsamında, önemli grid noktalarının seçilmesi, bir yapay zekâ problemi olarak ele alınmış ve kümeleme analizi yöntemlerinin kullanılabilirliği araştırılmıştır. Kümeleme, verilerin birbirine benzerliklerine göre gruplaştırılması işlemidir. Bu çalışmada, grid noktalarının birbirine benzerliklerini belirlemede kullanılmak üzere her bir grid noktasında şu soruların cevapları aranmıştır: En yüksek ya da en düşük kotlu nokta mıdır? Noktadan geçen dört profil (Doğu-Batı, Kuzey-Güney, Kuzeydoğu- Güneybatı, Kuzeybatı- Güneydoğu) boyunca kendisinden bir önceki ve bir sonraki noktadan daha düşük ya da daha yüksek kotlu bir nokta (ekstrem nokta) mıdır? Sekiz komşusu (Kuzey, Güney, Doğu, Batı, Kuzeybatı, Kuzeydoğu, Güneybatı, Güneydoğu) arasında ekstrem nokta(lar) var mıdır? Böylece, her bir grid noktasının on üç özniteliği belirlenmiştir. Grid noktaları bu öznitelikler kullanılarak Hiyerarşik ve K-Ortalamalar yöntemlerine göre kümelenmiştir. Ekstrem noktaların kümelere dağılımı incelenerek, ekstrem noktaların belli kümelerde toplanıp toplanmadığı ve dolayısıyla grid noktalarının“Seçilenler”ve“Elenenler”olarak iki kümede toplanıp toplanamayacağı belirlenmeye çalışılmıştır. Her iki yönteme göre, eşit ağırlıklı öznitelikler ve ağırlıklandırılmış öznitelikler kullanılarak, ikişer uygulama yapılmıştır. Uygulamalarda 1681 adet grid noktasından (41 satır, 41 sütun) meydana gelen bir SYM'nin 160 sınır noktası hariç 1521 noktası kullanılmıştır. Sonuç olarak, ağırlıklandırılmış öznitelikler kullanılarak hiyerarşik kümeleme yöntemine göre yapılan uygulamada beş küme elde edilmiş olmasına karşın, ekstrem olmayan noktaların tamamının bir kümede toplanmış olması, bu kümenin“Elenenler Kümesi”olarak, diğerlerinin de“Seçilenler Kümesi”olarak değerlendirilebileceği görülmüştür.
Özet (Çeviri)
Digital Elevation Models (DEM) are examined under two main headings: Grid and TIN (Triangulated Irregular Network). In some cases more summary DEMs are needed. More summary DEMs are obtained through generalization. Grid-based DEMs are generalized by selecting important points and eliminating others . In this study, the selection of important grid points is considered as an artificial intelligence problem and the usability of clustering analysis methods is investigated within the scope of generalization of grid-based DEMs. Clustering is the process of grouping data according to their similarities. In this study, the answers to the following questions were searched in each grid point to determine the similarity of the grid points: Is it the highest or the lowest point? Is it a lower or higher elevation point (extreme point) along the four profiles passing through the point (West-East, South-North, Southwest-Northeast, Southeast-Northwest)? Are there extreme point (s) between eight neighbors (North, South, East, West, Northwest, Northeast, Southwest, Southeast)? Thus, thirteen attributes of each grid point were determined. Grid points are clustered according to Hierarchical and K-Means methods using these attributes. By examining the distribution of the extreme points to the clusters, it was tried to determine whether the extreme points are collected in certain clusters and therefore the grid points can be collected in two clusters as“Selected and”Eliminated“. According to both methods, equal weighted attributes and weighted attributes were used in two applications. In the applications, 1521 points were used except for 160 limit points of a DEM consisting of 1681 grid points (41 rows, 41 columns). As a result, although five clusters were obtained by using hierarchical clustering method using weighted attributes, it was seen that all non-extreme points were collected in one cluster, and that this cluster could be considered as ”Eliminated Cluster, and others could be considered as“ Selected Cluster ”.
Benzer Tezler
- Hızlı tüketim ürünleri sektöründe onlıne alışveriş müşterilerinin segmentasyonu
Segmentation of online shopping customers in the fast-moving consumer goods sector
BÜŞRA KESKİN AKTAŞ
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEREN TUNCER ŞAKAR
- 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
- Avrupa ve Asya ülkelerinin insani gelişmişlik düzeylerinin çok değişkenli istatistiksel tekniklerle incelenmesi
Examination of human development levels of Europe and Asia countries with multivariable statistical techniques
MERVE AKDAĞ
Yüksek Lisans
Türkçe
2019
EkonometriKütahya Dumlupınar ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METİN BAŞ
- Türkiye'de iller bazında ulaşım faaliyetlerinin gelişim durumunun kümeleme analizi ile belirlenmesi
Determination of development status of transportation facilities in Turkey on the basis of cities by using clustering analysis
ERKAN ALTIN
Yüksek Lisans
Türkçe
2021
EkonometriManisa Celal Bayar ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYNUR İNCEKIRIK