Mekansal verilerin kümeleme analizi ile değerlendirilmesi
Evaluation of spatial data with clustering analysis
- Tez No: 493835
- Danışmanlar: YRD. DOÇ. DR. HÜSEYİN ZAHİT SELVİ
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Kümeleme, Veri madenciliği, Clustering, Data mining
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojik gelişmeler sayesinde her geçen gün iş, toplum, bilim ve mühendislik, sağlık ve günlük hayatla ilgili her alandan sürekli olarak veriler toplanmakta ve bu veriler büyük kapasiteli veritabanlarında saklanmaktadır. Bu veritabanlarında yer alan verilerin insanoğlunun hayatında daha faydalı olabilmesi için çeşitli tekniklerle işlenerek anlam kazandırılması yani“bilgi”ye dönüştürülmesi gerekmektedir. Veri Madenciliği disiplini çeşitli algoritma ve teknikler kullanılarak büyük veritabanlarında yer alan veri yığınlarından anlamlı bilginin elde edilmesine imkân sağlamıştır. Bu çalışma kapsamında“Veri Madenciliği”disiplini, veri madenciliğinin kullanım alanları ve veri madenciliği model ve teknikleri açıklanmıştır. Ayrıca mekânsal verilerin analizinde veri madenciliği tekniklerinin kullanımı üzerinde durulmuştur. Bu kapsamda Türkiye'deki 2011, 2012 ve 2013 yıllarına ait Trafik Kaza istatistik veri setleri üzerinde k-ortalama yöntemi, k-medoids yöntemi ve Birleştirici Hiyerarşik Kümeleme (AGNES) yöntemleri kullanılarak kümeleme analizi yapılmış ve kümeleme analizi sonuçları kullanılarak çok değişkenli haritalar üretilmiştir. Üretilen haritalar karşılaştırılarak bu haritaların risk yönetimi ve planlamada kullanılabilirliği tartışılmıştır. 2011, 2012 ve 2013 yıllarına ait verilerin AGNES kümeleme analizi sonuçlarıyla hazırlanan çok değişkenli haritaların birbirleriyle oldukça uyumlu olduğu görülmüştür. Bu sonuç AGNES yöntemiyle üretilen çok değişkenli haritaların risk yönetimi açısından da oldukça önemli olduğunu göstermiştir. k-ortalama ve k-medoids kümeleme analizleri sonuçlarıyla üretilen çok değişkenli haritalarda farklı küme sayıları için kümeleme sonuçları gözlemlenmiştir. Her iki algoritmanın da kümeleme performansları benzerlik gösterse de k-medoids algoritmasında kümelerin birbirinden daha iyi ayrıldığı gözlemlenmiştir.
Özet (Çeviri)
Thanks to technological developments, data are constantly collected everyday from work, society, science and engineering, health and daily life, and these data are stored in large-capacity databases. In order to make the data contained in these databases useful in the human life, it has to be transformed into“information”by means of various techniques. The discipline of Data Mining has enabled the use of various algorithms and techniques to obtain meaningful information from data stacks in large databases. In this study,“Data Mining”discipline, usage areas of data mining, data mining models and techniques were explained. In addition, the use of data mining techniques in the analysis of spatial data was examined. In this context, clustering analysis was carried out on the Traffic accident data sets for 2011, 2012 and 2013 in Turkey using k-means method, k-medoids method and Agglomerative and Divisive Hierarchical Clustering (AGNES) method and clustering analysis results were used to design multivariate maps. By comparing these maps, the usage possibilities in risk management and planning is discussed. The multivariate maps prepared with the results of the AGNES cluster analysis of the data for the years 2011, 2012 and 2013 were found to be very compatible with each other. This result was showed that the multivariate maps produced by AGNES method are also very important in terms of risk management. The clustering results for k-means and k-medoid clustering analyses were observed for different cluster numbers in the generated multivariate maps. Although the clustering performances of both algorithms are similar, it was observed that the k-Medoids algorithm has better separation of clusters.
Benzer Tezler
- Rize, Trabzon ve Giresun ili derelerine ait su kalitesi verilerinin coğrafi bilgi sistemleri tabanlı değerlendirilmesi
Geographic information systems-based assessment of water quality data for streams in Rize, Trabzon, and Giresun provinces
AYŞE NUR ORHAN AKTAŞ
Yüksek Lisans
Türkçe
2026
Çevre MühendisliğiGiresun ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. ARZU AYDIN UNCUMUSAOĞLU
- Coğrafi bilgi sistemleri entegreli makine öğrenmesine dayalı toplu taşınmaz değerleme modelinin geliştirilmesi
Development of mass property valuation model based on geographic information systems integrated machine learning methods
MUHAMMED OĞUZHAN METE
Doktora
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU
- A data-driven approach to identifying and selecting temporary disaster debris management sites: The case of Istanbul
Geçici afet moloz yönetim alanlarının belirlenmesi ve seçimi için veri odaklı bir yaklaşım: İstanbul örneği
BURAK KABAKLI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA SERDAR ASAN
- An evaluation of clustering and districting models for household socio-economic indicators in address based population register system
Adrese dayalı nüfus kayıt sistemi hanehalkı sosyo-ekonomik indikatörlerinin kümeleme ve bölge tasarımı modelleri ile değerlendirilmesi
ŞEYMA ÖZCAN YAVUZOĞLU
Yüksek Lisans
İngilizce
2009
CoğrafyaOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. H. ŞEBNEM DÜZGÜN
- Koyun-keçi vebası virus (PPRV; peste des petits ruminants virus) enfeksiyonuna etki eden risk faktörlerinin mekânsal analiz yöntemleri ile belirlenmesi
Determination of risk factors affecting peste des petits ruminants virus (PPRV) infection by spatial analysis methods
TUBA BAYİR
Doktora
Türkçe
2022
Veteriner HekimliğiAnkara ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. İSMAYİL SAFA GÜRCAN