Density-based and parameterless clustering of embedded data streams
Boyutu azaltılmış akan verinin yoğunluğa dayalı ve parametresiz kümelenmesi
- Tez No: 694559
- Danışmanlar: PROF. DR. MEHMET VOLKAN ATALAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünyanın hızlı bir şekilde dijitalleşmesiyle üretilen veri miktarı ve verinin üretilme hızı gittikçe artmakta ve bu şekilde akan verinin kaydedilerek topluca işlenmesi zorlaşmaktadır. Bu da akan veriyi kaydetmeden geldiği anda işleme ihtiyacı doğurmaktadır. Çoğu zaman veriyi islemeden once verinin karakterstigi ile ilgili elimizde fazla bilgi bulunmamaktadır. Buna ek olarak, akan verinin özellikleri giderek değişebilmektedir (kavram kayması). Kümeleme metodları verilerin gerçek kümelerine ihtiyaç duymadığından, akan veri için uygundur. Akan veri kümeleme algoritmaları veriyi sadece bir kez okumalı, gerçek zamanda çalışmalı ve verideki kavram kaymasina uyum sağlayabilmelidir. Bu çalışmada geliştirilen Boyutu Azaltılmış Akan Verinin Yoğunluğa Dayalı ve Parametresiz Kümelenmemesi (DBPCES) algoritması ile akan veri 2 boyutlu hale getirilerek, parametre gerektirmeyen yoğunluk tabanlı bir algoritma ile kümelenebilecektir. Akan veriyi iki boyutlu hale getirebilmek için UMAP algoritması akan veriye ve verideki kaymaya duyarlı hale getirilmiştir. Kümeleme için DBSCAN algoritması iki boyutlu hale getirilen veri üzerinde kullanılmıştır. DBSCAN parametreleri geliştirilen bulgusal bir yöntemle tahmin edilerek kullanıcıdan veriye bağlı hiçbir parametre almadan akan veri kümelenmiştir. DBPCES algoritması, gerçek küme sayısı, boyut sayısı ve kavram kayma hızı bakımından farklılık gösteren yapay ve gerçek veri akışları üzerinde çalıştırılmıştır. DBPCES algoritmasının performansı DenStream ve Zubaroğlu ve Atalay' ın algoritması ile karşılaştırılmıştır. Performans değerlendirme ölçütü olarak saflık, siluet skoru ve düzeltilmiş rand endeksi kullanılmıştır. Ayrıca uygulama süreleri de karşılaştırılmıştır. DBPCES, DenStream kadar hızlı olmasa da, kümeleme için kullanıcıdan veriye bağlı herhangi bir parametre almadan diğer algoritmalarla benzer sonuçlar elde etmiştir.
Özet (Çeviri)
With the accelerating digitalization of the world, the amount of high-speed data produced increases rapidly, and it is difficult to record and collectively process such a data-stream. This creates the need for processing as soon as it arrives without recording the data stream. Mostly, there is no prior information about data. Additionally, characteristics of data streams may change over time; this phenomenon is called concept drift. Since clustering works without actual labels, it is suitable to be used on data streams. Clustering algorithms for data streams should read the data only once, work in real-time, and adapt to the concept drift. With Density-Based and Parameterless Clustering of Embedded Data Streams (DBPCES) algorithm developed in this study, data streams are embedded into two dimensions and clustered with a parameterless density-based clustering algorithm. To embed the data stream into 2-dimensions, UMAP algorithm was adapted to handle data streams and concept drift. For clustering, DBSCAN algorithm was used on embedded data points. DBSCAN parameters were estimated with a heuristic so that data stream can be clustered without requiring any data-dependent parameters from the user. DBPCES algorithm was run on synthetic and real data streams that differ in actual cluster count, dimension count, and concept drift rate. The performance of DBPCES was compared with DenStream and implementation of Zubaroğlu and Atalay. As evaluation metrics, adjusted rand index, purity, and silhouette coefficient were used. Additionally, execution times were compared as well. Although DBPCES was not as fast as DenStream, it achieved similar results with other algorithms.
Benzer Tezler
- Kobalt esaslı alaşımların bağlayıcı matris olarak kullanıldığı doğal taş kesiminde kullanılan elmas kesici uçların karakterizasyonu
Characterization of diamond cutting tools using cobalt base alloys as the binding matrices
FERİT TOPALOĞLU
Yüksek Lisans
Türkçe
2013
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. EYÜP SABRİ KAYALI
- Medical image compression based on vector quantization and discrete wavelet transform
Vektör kuantizasyonu ve ayrık dalgacık dönüşümüne dayalı tıbbi görüntü sıkıştırma
AZHAR ABDULHASAN MUHAMMED ALI AJAM
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN
- Doğal genleşmiş perlit ve lignoselüloz dolgulu EPDM kauçuk kompozitlerin geliştirilmesi ve karakterizasyonu
Development and characterization of EPDM rubber composites filled with natural expanded perlite and lignocellulose
CENNET ÇAVDAROĞLU
- The use of partially doubly stochastic parameter estimation method for underdetermined and overdetermined problems of reservoir characterization
Kismi çifte olasılıklı parametre tahmin yönteminin az tanımlı ve aşırı tanımlı rezervuar karakterizasyonu problemlerinde kullanımı
MELEK DENİZ
Yüksek Lisans
İngilizce
2011
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ONUR
- Contributions to equivalent circuit model parameter estimations of NiMnCo and LiFePO type lithium-ion batteries
NiMnCo ve LiFePO hücre tiplerine ait lityum-iyon bataryaların elektriksel eşdeğer devre parametre tahminine katkılar
MAHMUT KEREM EREN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ