Data clustering using swarm intelligence
Swarm intelligence kullanarak veri kümeleme
- Tez No: 714320
- Danışmanlar: DR. ÖĞR. ÜYESİ ELNAZ PASHAEI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka ve Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 77
Özet
Bu makale, benzer ve farklı verileri farklı gruplara ayırmak için bağlantı ilkesine dayalı olarak kümeleri ayırmak için veri kümeleme ile ilgilidir. K-ortalamalar gibi klasik kümeleme algoritmaları verimli teknikler olmasına rağmen, genellikle yerel optimumları yakalarlar ve yüksek boyutlu problemlerin çözümünde yavaş bir yakınsama oranına sahiptirler. Bu sorunları ele almak için, makul bir sürede optimal çözüme ulaşmak için birçok başarılı sürü zekası tabanlı algoritma tanıtıldı. Esnek hareketlere veya rastgele davranışlara izin vererek yerel bir optimum problemden kaçmak için tasarlanmıştır. ChOA olarak adlandırılan Şempanze Optimizasyon Algoritması, şempanzelerin grup avlarındaki bireysel zeka ve cinsel motivasyonlarından ilham alan, yakın zamanda önerilen bir meta-sezgisel arama algoritmasıdır. Bu yazıda, veri kümeleme amaçları için ChOA'nın farklı bağımsız grup stratejilerine sahip iki varyant versiyonu, yani ChOA(I) ve ChOA(II) sunulmaktadır. Bu çalışmada, önerilen yöntemlerin performansını araştırmak için UCI makine öğrenimi deposunun beş veri kümesini ve üç zorlu şekil veri kümesini içeren sekiz kıyaslama veri kümesi kullanılmıştır. Daha sonra, on popüler meta-sezgisel optimizasyon algoritmasına ve en son teknolojiye sahip beş tekniğe karşı değerlendirilirler. Deneysel sonuçlar, önerilen çalışmanın küme içi mesafeleri en aza indirme, en düşük hata oranını elde etme ve optimal küme merkezlerini bulma başarısı açısından mevcut yöntemlerden önemli ölçüde daha iyi performans gösterdiğini göstermektedir.
Özet (Çeviri)
This thesis is concerned with data clustering to separate clusters based on the connectivity principle for categorizing similar and dissimilar data into different groups. Although classical clustering algorithms such as K-means are efficient techniques, they often trap in local optima and have a slow convergence rate in solving high-dimensional problems. To address these issues, many successful swarm intelligence-based algorithms have been introduced to attain the optimal solution in a reasonable time. They are designed to escape from a local optimum problem by allowing flexible movements or random behaviors. The Chimp Optimization Algorithm, called ChOA is a recently proposed meta-heuristic search algorithm that is inspired by chimps' individual intelligence and sexual motivation in their group hunting. In this thesis, two variant versions of ChOA with different independent groups' strategies, namely ChOA(I) and ChOA(II) are presented for data clustering purposes. In this study, eight benchmark datasets including five datasets of the UCI machine learning repository and three challenging shape datasets are used to investigate the performance of the proposed methods. Afterward, they are evaluated against ten popular meta-heuristic optimization algorithms and five recent state-of-the-art techniques. Experimental results illustrate that the proposed work significantly outperforms existing methods in terms of the achievement in minimizing the intra-cluster distances, obtaining the lowest error rate, and finding the optimal cluster centers.
Benzer Tezler
- A study of a hybrid clustering using swarm intelligence techniquesand K-means algorithm
Başlık çevirisi yok
DURDANE KOCAÇOBAN
- A methodology of swarm intelligence application in clustering based on neighborhood construction
Kümelemede komşuluk kurmaya dayalı sürü zekası uygulama metodolojisi
TÜLİN İNKAYA
Doktora
İngilizce
2011
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Bölümü
PROF. DR. NUR EVİN ÖZDEMİREL
PROF. DR. SİNAN KAYALIGİL
- A hybrid swarm intelligence algorithm for simultaneous feature selection and clustering
Eşzamanlı öznitelik seçimi ve kümeleme için hibrit bir sürü zekası algoritması
HASAN GEREN
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NUR EVİN ÖZDEMİREL
- Elektrokardiyogram verilerinin iyileştirilmiş yapay arı kolonisi (MABC) algoritması ile analizi
Analysis of electrocardiogram data by using modified artificial bee colony (MABC) algorithm
SELİM DİLMAÇ
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Medical image compression based on vector quantization and discrete wavelet transform
Vektör kuantizasyonu ve ayrık dalgacık dönüşümüne dayalı tıbbi görüntü sıkıştırma
AZHAR ABDULHASAN MUHAMMED ALI AJAM
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN