Kümeleme algoritmaları ve paralelleştirilmeleri
Clustering algorithms and their parallelization
- Tez No: 371440
- Danışmanlar: DOÇ. DR. BURAK ORDİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Computer Engineering and Computer Science and Control, Mathematics
- Anahtar Kelimeler: Kümeleme, Paralel hesaplama, Clustering, Parallel computing
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kümeleme (veya Küme Analizi), verilerin belirli bir benzerlik ölçütüne göre kümelere ayrılmasını amaçlayan bir veri analizi tekniğidir. Diğer bir deyişle, birbirine benzer verilerin bir arada yer aldığı homojen grupları belirleme işidir. Kümelemede ele alınan veri setleri genellikle çok büyüktür. Bu yüzden, geliştirilen yöntemlerin hızı, kümelemedeki başarısı kadar –kimi zaman daha fazla– öneme sahiptir. Her iki yönden de başarılı yöntemler var olsa da, işin doğası nedeniyle potansiyel işlem yükü hala ağırdır. Temel kümeleme algoritmaları seri bir makine modeliyle geliştirilmiştir ve modern bir bilgisayardan kapasitesinin altında verim sağlayabilirler. Bu handikapı aşmanın yolu, yöntemleri paralel hesaplamaya uygun hale getirmektir. Bu tezde, kümeleme yöntemleri ve paralel hesaplama araçları çeşitli açılardan incelenmiş, kümeleme başarısı yüksek iki algoritmanın paralel versiyonları önerilmiştir. Bu algoritmalar, C programlama dili ve OpenMP uygulama programlama arayüzü kullanılarak programlanmış ve alt programları barındıran bir kütüphane oluşturulmuştur. Önerilen yöntemler, teorik ve deneysel olarak analiz edilerek paralelleştirmenin etkisi gösterilmiştir.
Özet (Çeviri)
Clustering (or Cluster Analysis) is a data analysis technique that intends to cluster data according to some similarity measure. In other words, it is a task of identifying homogeneous groups consisting of analogous data. The data sets handled in clustering are usually very large. Thus, the speed of the developed methods is as important as –sometimes more important than– their clustering efficiency. Even though there are methods which are successful in both aspects, the potential work load remains heavy by the nature of the task. Fundamental clustering algorithms are developed using a serial machine model and can achieve a limited efficiency on a modern computer. The way to overcome this handicap is to tailor these methods for parallel computing. In this thesis, clustering methods and parallel computing tools are studied from various aspects, and parallel versions of two clustering algorithms with high clustering efficiency are proposed. These algorithms are then programmed using C programming language and OpenMP application programming interface, and a library containing the subprograms is organized. The effect of the parallelization is presented by theoretically and experimentally analyzing the proposed methods.
Benzer Tezler
- Veri madenciliğinde kümeleme algoritmaları ve kümeleme analizi
Clustering algorithms in data mining and clustering analysis
YASEMİN KOLDERE AKIN
- Kümeleme analizine bulanık yaklaşım algoritmaları ve uygulamaları
Fuzzy approach algorithms to cluster analysis and its applications
NECATİ ALP ERİLLİ
Yüksek Lisans
Türkçe
2009
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. YÜKSEL ÖNER
- Telsiz duyarga ağlarında eş uyumlu çalışma için dağıtık kapsayan ağaç ve kümeleme algoritmaları
Distributed spanning tree and clustering algorithms for synchronization in wireless sensor networks
DENİZ ÖZSOYELLER
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı (disiplinlerarası)
PROF. DR. KAYHAN ERCİYEŞ
- Analysis of microarray images using FCM and K-MEANS clustering algorithms
FCM ve K-MEANS kümeleme algoritmaları kullanılarak mikro-dizin imgelerinin analizi
ERHAN ERGÜT
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ERKAN MUMCUOĞLU
DOÇ. DR. YASEMİN ÇETİN YARDIMCI
- An attempt to classify Turkish district data: K-means and `self-organizing map`(SOM) algorithms
Türkiye'nin ilçe verilerini kümeleme denemesi: K-means ve `self-organizing map`(SOM) algoritmaları
ECE AKSOY
Yüksek Lisans
İngilizce
2004
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. OĞUZ IŞIK