Geri Dön

Normalized spectral clustering

Normalleştirilmiş spektral kümeleme

  1. Tez No: 739366
  2. Yazar: MUSTAFA COŞKUN
  3. Danışmanlar: PROF. DR. REN CANG Lİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: İngilizce
  9. Üniversite: The University of Texas at Arlington
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 32

Özet

Öbekleme veri analizinin danışmansız öğrenilmesi için kullanılan en genel teknikleriden biridir.Bu bağlamda, öbekleme algoritmaları makina öğrenmesi, bioloji, web araması vb bir çok uygulaması olan bir alandır. Öbekleme algoritmalırının kullanımın en önemli özelliği kullanıcının veri hakkında verinin hangi kısımları birbirine daha yakın gibi soruları cevaplayabilmesidir. Bu tez kapsamında sentetik veriler üretilerek geleneksel öbekleme algoritması (k-mean algoritması) ve daha güncel algoritmalardan olan normaleştirilmiş spektral algoritması karşılaştırılmış ve normaleştirilmiş spektral algoritmasının veri liner olmadığında çok daha iyi olduğu deneylerle kanıtlanmıştır.

Özet (Çeviri)

Clustering is one of the most widely used unsupervised learning techniques for exploratory data analysis, in many applications such as image pattern recognition, Web search, machine learning, biology, and security. In virtually those scientific fields dealing with tremendous data, people attempt to get the first impression on their data by trying to identify subsets of their data, showing“similar behaviour”. In this thesis, we would like to introduce to the reader one of well-known technique, the normalized spectral clustering algorithm, and compare its results with one of the traditional algorithms k-means' for showing“similarity behavior”of some data sets. The normalized spectral clustering algorithm uses top k eigenvectors of the matrix derived from distances between original data points [2].The eigenvectors are seen as a solving relaxation of an NPhard problem, minimum graph cut [3]. Therefore, this analysis was extended to clustering by building a weighted graph in which vertices correspond to data points and edges are related to the distance between the points [4]. Then, the algorithm uses a fresh approach and changes representation of initial raw data. In order to accomplish this, the spectral algorithm takes advantage of rich theory of Spectral theory. In our thesis, we have shown that with this approach the normalized spectral algorithm performs much better than k-means, one of the traditional clustering algorithms.

Benzer Tezler

  1. Functional parcellation of memory related brain networks by spectral clustering of EEG data

    Hafıza ile ilintili EEG beyin ağlarının izgesel kümeleme yöntemı ıle gruplandırılması

    ÇAĞATAY AYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    BiyomühendislikBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ADEMOĞLU

    YRD. DOÇ. DR. RIFAT KORAY ÇİFTÇİ

  2. Hiperspektral görüntülerde LiDAR destekli spektral bölütleme

    LiDAR aided spectral segmentation on hyperspectral images

    ORHAN TORUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SENİHA ESEN YÜKSEL

  3. Uzaktan algılama görüntülerinin süperpiksel tabanlı sınıflandırılması

    Superpixel based classification of remote sensing images

    SERTAÇ ARISOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiGebze Teknik Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KORAY KAYABOL

  4. Spektral indekslerin arazi örtüsü/kullanımı sınıflandırmasına etkisi: İstanbul, Beylikdüzü ilçesi, arazi kullanımı değişimi

    Effect of spectral indices over land use/cover classification: İstanbul, Beylikduzu district, land use change

    ÖZGE KAYMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR

  5. Ortofoto haritalardan ağaç türlerinin otomatik olarak bölütlenmesi

    Tree species classification from high resolution digital orthophoto maps

    AKHTAR JAMIL

    Doktora

    Türkçe

    Türkçe

    2018

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT BAYRAM