Memetic optimization algorithms applied to solves clustering problems
Başlık çevirisi mevcut değil.
- Tez No: 765364
- Danışmanlar: PROF. DR. ŞEREF KALEM
- 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: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 78
Özet
Kümeleme, karmaşık optimizasyon problemlerinden biridir. Çevrimiçi olarak mevcut bilgilerin artmasıyla, mevcut verileri işlemek için daha karmaşık teknikleri icat etmek ve kullanmak önemli hale geliyor. Kümelemede verilerle uğraşmanın zorluğu, verilerin sınıflarına önceden atanmamış olmasıdır, bu nedenle sınıflandırma işlemi, her bir öğenin nereye ait olması gerektiğine dair bir ipucuna sahip olmayacaktır. Kümeleme durumunda, girdi verilerinden içsel özelliklerin çıkarılmasına dayanan denetimsiz öğrenme tekniği uygulanır. Geleneksel kümeleme yöntemlerinin kullanımı, verilerin artması ve karmaşıklığı ile yetersiz kalmaktadır. Örneğin, Kortalama yöntemleri gibi denetimsiz kümelemenin geleneksel yöntemlerinin kullanımı, dijital verilerin büyük ölçüde kullanılabilirliği ile olanaksız hale gelir. Böylece araştırmacılar, makine öğrenmesi yöntemlerine ait optimizasyon yöntemlerinin kullanımını araştırdılar. Spesifik olarak, kümeleme problemleri için kullanılacak optimizasyon yöntemleri, verileri alt kümelere ayırmak için kullanılan güçlü teknikler olabilir. Yine de, bu tür yöntemler, en iyi veya en iyiye yakın çözüme ulaşmayı engelleyen olgunlaşmamış yakınsama sorunundan muzdariptir. Bu nedenle geleneksel kümeleme yöntemi yerine Memetic optimizasyon tekniği kullanılmıştır. Bu hibrit teknik, global (Uyum arama) ve yerel (K-ortalama kümeleme) arasındaki bir kombinasyondur. Bu çalışmada önerilen melezleştirilmiş Memetic versiyonlarının iki biçimi sıralı Memetic kümeleme (SM-Clust) ve Interleaved Memetic kümelemedir (IM-Clust). Her iki form da geleneksel Harmony optimizasyon yöntemleriyle karşılaştırıldı. Testler, harici değerlendirme ölçütlerini, yani F puanlarını, Memetic hibrit formlarının Global tabanlı optimizasyona göre üstünlüğünü kullanır.
Özet (Çeviri)
Clustering is one of the complex optimization problems. With the increase of the information available online, it becomes important to invent and use more sophisticated techniques to handle the available data. The challenge of dealing with the data in clustering is that the data has no previous assignment to their classes, therefore, the classification process will not have a clue where each item should belong. In the clustering case, the unsupervised learning technique is applied that depends on the extraction of the intrinsic features out of the input data. The utilization of the traditional methods of clustering becomes insufficient with the increase of data and its complexity. For instance, the use of traditional methods of the unsupervised clustering such as K-means methods become infeasible with huge availability of the digital data. Thus, the researchers investigated the use of the optimization methods belonging to machine learning methods. In specific, optimization methods that will be used for the clustering problems can be powerful techniques used to categorize data into subsets. Still, such methods suffer from issue of pre-mature convergence that prevents the reach to the best or near best solution. For this reason, the Memetic optimization technique has been used instead of using traditional clustering method. This hybrid technique is a combination between the global (Harmony search) and local (K-means clustering). The two forms of the hybridized Memetic versions suggested in this work are the sequential Memetic clustering (SM-Clust), and Interleaved Memetic clustering (IM-Clust). Both forms were compared to the traditional Harmony optimization methods. The tests results using the external evaluation measures i.e. the F-scores, the superiority of the Memetic hybrid forms over the Global based optimization.
Benzer Tezler
- Yapay bağışıklık algoritmaları kullanılarak bulanık sistem tasarımı
The fuzzy system designing using artificial immune system algorithms
AYŞE MERVE ACILAR
Doktora
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ARSLAN
- Bütünleşik üretim ve dağıtım çizelgeleme problemleri için çözüm yaklaşımları
Solution approaches for integrated production and distribution scheduling problems
ECE ÇETİN YAĞMUR
Doktora
Türkçe
2021
Endüstri ve Endüstri MühendisliğiKonya Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. SAADETTİN ERHAN KESEN
- Havayolu operasyonlarında planlama ve çizelgeleme
Planning and scheduling in airline operations
MUHAMMET DEVECİ
Doktora
Türkçe
2016
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN ÇETİN DEMİREL
- Stigler diyet problemi için yeni bir model önerisi ve genetik algoritma ve memetik algoritma ile çözüm yaklaşımı
A new method suggestion for stigler's diet problem and solution approach with genetic algorithm and memetic algorithm
METECAN ÇAKRAK
Yüksek Lisans
Türkçe
2014
Endüstri ve Endüstri MühendisliğiHava Harp Okulu KomutanlığıEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TUFAN DEMİREL
- Memetik algoritma kullanarak PID denetleyici tasarımı
Tuning PID controller parameters using memetic algorithm
RÜŞTÜ AKAY
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ADEM KALINLI