Yüksek doğruluk ve düşük zaman karmaşıklığına sahip kritik mesafe kümelemesi tabanlı yeni bir hibrit algoritma
A new hybrid algorithm based on critical distance clustering with high accuracy and low time complexity
- Tez No: 921496
- Danışmanlar: YRD. DOÇ. DR. ÜMİT ATİLA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Yazılımı Bilim Dalı
- Sayfa Sayısı: 86
Özet
Kümeleme, yıllar boyunca sayısız çalışma ve yüzlerce algoritmanın geliştirilmesiyle öne çıkan bir araştırma alanıdır. Ancak, kümeleme araştırmalarında temel bir zorluk, algoritma hızının ve kümeleme kalitesinin dengelenmesidir. Mevcut algoritmalar genellikle hızlı işlemeyi önceliklendirirken, kümeleme kalitesinden ödün vermekte veya daha üstün kümeleme sonuçları elde ederken daha yavaş performans sergilemektedir. Bu çalışmada, bu zorluğu ele almak için Kritik Mesafe Kümeleme (CDC) algoritmasının geliştirilmiş bir versiyonu olan yenilikçi bir CDC-2 algoritması önerilmiştir. Bunun yanısıra, yeni bir hibritleşme stratejisi sunulmuştur. Önerilen hibrit yaklaşım, K-means ve CDC-2 algoritmalarının sırasıyla bağlanabilirlik ve tutarlılık yönlerini entegre ederek, hız ve kaliteyi tek bir algoritmada birleştirmeyi sağlamaktadır. Bu yaklaşım CDC++ algoritması olarak adlandırılmakta olup, K-means ve CDC-2 algoritmalarından unsurları birleştirerek, her iki algoritmanın güçlü
Özet (Çeviri)
Clustering is a prominent research area, with numerous studies and the development of hundreds of algorithms over the years. However, a fundamental challenge in clustering research is the trade-off between algorithm speed and clustering quality. Existing algorithms tend to prioritize either fast execution with compromised clustering quality or slower performance with superior clustering results. In this study, a novel CDC-2 algorithm is proposed which is an improved version of the Critical Distance Clustering (CDC) algorithm, to address this challenge. Besides, a new hybridization approach is proposed. This approach integrates the connectivity and coherence aspects of the K-means and CDC-2 algorithms, respectively, allowing to combine speed and quality in a single algorithm. This approach is referred to as the CDC++ algorithm, and it is characterized as a hybrid that combines elements from two algorithms, K-means and CDC-2, in order to leverage their strengths while mitigating their weaknesses. Moreover, the structure and mechanism of the CDC++ algorithm
Benzer Tezler
- A comparative study on conventional and energy-based autopilot systems on a jet-powered aircraft
Geleneksel ve enerji tabanlı otopilot sistemlerinin jet motorlu bir hava aracında karşılaştırması
RUMEYSA KÖKOĞLU
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDE GÜZELKAYA
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA
- A cost effective rans approach to investigate swirl-stabilized partially premixed combustion
Girdaplayıcı içeren kısmi karışımlı yanmanın araştırılması ıçın uygun maliyetli bir rans yaklaşımı
MUHAMMET ÖMER ÖZDİLEK
Yüksek Lisans
İngilizce
2025
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. AYŞE GÜL GÜNGÖR
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR