Geri Dön

Matematik tabanlı kümeleme yöntemleri

Mathematical based clustering techniques

PDF İndir

  1. Tez No: 304905
  2. Yazar: GÜLCE HANER
  3. Danışmanlar: YRD. DOÇ. DR. BURAK ORDİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Kümeleme, Veri madenciliği, Clustering, Data mining
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Veri Madenciliği yöntemlerinden bir tanesi olan kümeleme (clustering) de amaç, bir veri kümesini benzer veriler aynı kümede yer alacak şekilde alt kümelere ayırmaktır. Kümeleme probleminin çözümü için k-means algoritması ve varyasyonlarını içeren herustik yöntemler, tabu arama, genetik algoritmalar ve simülasyon benzetimi gibi metaherustikler ve istatistik tabanlı yöntemler bulunmaktadır. Bu yöntemlerin yanısıra dinamik programlama, dal-sınır yöntemi, kesen düzlem yöntemi, iç nokta metodları vb. içeren matematiksel programlama yöntemleride kümeleme problemi için önemli çözüm yaklaşımlarındandır.Bu tezde kümeleme problemi ve çözüm yaklaşımları incelenmiş, küme yapısının belirlenmesinde ?cluster? uzaklık fonksiyonu'nun enküçüklenmesini temel alan yeni bir nonsmoooth optimizasyon yöntemi önerilmiştir. Yapılan hesaplama denemeleri yöntemin yararlılığını ortaya koymaktadır.

Özet (Çeviri)

The main goal of clustering, one of the main techniques of data mining, is to divide the data set into clusters based on the similarity of data points. The solutions to the clustering problem include the k-means algorithm and other heuristic techniques involving its variations as well as metaheuristic and statistical approaches such as tabu search, genetic algorithms and simulated annealing. Besides these techniques, other approaches such as dynamic programming, branch-and-bound method, cutting-plane approach, interior point methods, as well as other techniques in mathematical programming play an important role in delivering efficient solutions to the clustering problem.In this thesis, the clustering problem and different approaches to its solution are explored. In determining the division into subsets, a novel nonsmooth optimization technique based on the minimization of the cluster distance function is presented. Our presented calculations demonstrate the efficiency and usefulness of this new approach.

Benzer Tezler

  1. Tez No

    681680

    Blok tabanlı programlama ve bilgisayarsız bilgisayar bilimi öğretim etkinliklerinin 5. sınıf öğrencilerinin bilgi işlemsel düşünme becerileri, öz yeterlilikleri ve akademik başarıları üzerindeki etkisi

    Investigation of block-based programming and unplugged coding activities' effect on 5th grade students' computational thinking skills, self-efficacy levels and academic achievements

    NİHAN ARSLAN NAMLI

    Doktora

    Türkçe

    Türkçe

    2021

    Eğitim ve ÖğretimÇukurova Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    DOÇ. DR. BİRSEL AYBEK

  2. Tez No

    805183

    OECD ülkelerinde dayanıklı öğrencilerin akademik başarısını etkileyen faktörlerin nonparametrik bayesyen regresyon tahmini

    Nonparametric bayesian regression estimation of factors affecting the academic achievement of resilient students in OECD countries

    DERYA TOPDAĞ

    Doktora

    Türkçe

    Türkçe

    2023

    EkonometriMarmara Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. EBRU ÇAĞLAYAN AKAY

  3. Tez No

    439594

    Modelling the effects of brand image components on advertising awareness using a neuro-fuzzy system

    Marka imaj birleşenlerinin reklam hatırlanırlığı üzerine etkisinin bulanık sinir ağları sistemi ile modellenmesi

    ALI FAHMI

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. KEMAL BURÇ ÜLENGİN

    PROF. DR. CENGİZ KAHRAMAN

  4. Tez No

    39286

    Yapay sinir ağlarında öğrenme algoritmalarının analizi

    Analysis of learning algorithms in neural networks

    SEVİNÇ BAKLAVACI

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    DOÇ.DR. LEYLA GÖREN

  5. Tez No

    526880

    Yoğunluk tabanlı veri kümeleme algoritmaları üzerine

    On the data clustering algorithms based on density

    AYŞE GÜLNAZ KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. URFAT NURIYEV

Geri Dön