Comparison of using k-means and fuzzy c-means by classifying countries
Ülke sınıflandırılması ile k-ortalamalar ve bulanık c-ortalamaların karşılaştırılması
- Tez No: 701925
- Danışmanlar: DOÇ. DR. ÖMER FARUK RENÇBER
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Kümeleme analizi, birbirine benzer karar birimlerinin bir arada toplanması veya farklı özellikteki karar birimlerinin tespit edilmesinde kullanılan bir tekniktir. Bu çalışmada, kümeleme analizi tekniklerinden K-Ortalamalar ve Bulanık K-Ortalamalar yöntemlerinin karşılaştırılması amaçlanmaktadır. Bu doğrultuda, 189 ülke 2013 ve 2018 yılları arası makroekonomik verilere göre kümelenmiş ve sonuçlar karşılaştırılmıştır. Çalışmada ülkeler; eğitim eşitsizliği, gelir eşitsizliği, kişi başı düşen GSYH, yaşam beklentisi, işsizlik oranı, doğrudan yabancı yatırım, okula gitme süresi, ithalat ve ihracatın GSYH'ye oranı değişkenlerine göre kümelenmiştir. Çalışmanın sonucunda, klasik K-ortalamalar tekniğinin bütün yıllar için daha başarılı sonuçlar ürettiği bulgusuna ulaşılmıştır.
Özet (Çeviri)
Clustering technique can be used in order to clasify countries for decreasing the complexity and descovering the relationships among countries. Instead of examining each country level indicators seperately, clustering gives the availability of specifying which countries are similar and find the connections between variables that present the cluster membership. 189 countries are examined using defferent variables. The data cover the years 2013, 2014, 2015, 2016, 2017 and 2018. In this paper, to be defined the types of clustering and understand the way they work and when to apply each of them and to focus on two specific methods (K-means & FCM) The data is analyzed by using fuzzy c means clustering and k-means clustering techniques. These two techniques are also compared in terms of eligible performance criteria. By doing so, it is aimed at providing efficient information to understand the way how both methods do work and to understand that each clustering method can be used only on specific type of data.
Benzer Tezler
- Kümeleme analizinde kullanılan algoritmaların karşılaştırılması: Perakende sektöründe faaliyet gösteren bir şirketin müşteri tercihleri üzerine bir uygulama
Comparison of algorithms used in cluster analysis: An application on customer preferences of a company operating in the retail industry
RIFAT ERGAN
Yüksek Lisans
Türkçe
2025
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEMRA TÜRKAN
- Sürü zekâsı kullanarak renkli görüntü segmentasyon tekniklerinin geliştirilmesi
Development of color image segmentation techniques using swarm intelligence
TAHİR SAĞ
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÇUNKAŞ
- Exploiting clustering patterns in training sets to improve classification performance of fully connected layers
Tam bağlantılı katmanların sınıflandırma performansını iyileştirmek için eğitim setlerindeki kümeleme örüntülerinden faydalanma
TOLGA AHMET KALAYCI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Araç rotalama için kümeleme yaklaşımı
Clustering approach for vehicle routing
ÇAĞLA EBRU BİLİR
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZER UYGUN
- Veri madenciliği ile mühendislik fakültesi öğrencilerinin okul başarılarının analizi
Investigation of student success at faculty of engineering by using data mining
AHMET SAYGILI
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SONGÜL ALBAYRAK