Comparison of using k-means and fuzzy c-means by classifying countries
Ülke sınıflandırılması ile k-ortalamalar ve bulanık c-ortalamaların karşılaştırılması
- Tez No: 701925
- Danışmanlar: DOÇ. DR. ÖMER FARUK RENÇBER
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Bulanık kümeler, K-ortalamalar yöntemi, Kümeleme analizi, Makroekonomik faktörler, Fuzzy sets, K-means method, Cluster analysis, Macroeconomic factors
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kümeleme analizi, birbirine benzer karar birimlerinin bir arada toplanması veya farklı özellikteki karar birimlerinin tespit edilmesinde kullanılan bir tekniktir. Bu çalışmada, kümeleme analizi tekniklerinden K-Ortalamalar ve Bulanık K-Ortalamalar yöntemlerinin karşılaştırılması amaçlanmaktadır. Bu doğrultuda, 189 ülke 2013 ve 2018 yılları arası makroekonomik verilere göre kümelenmiş ve sonuçlar karşılaştırılmıştır. Çalışmada ülkeler; eğitim eşitsizliği, gelir eşitsizliği, kişi başı düşen GSYH, yaşam beklentisi, işsizlik oranı, doğrudan yabancı yatırım, okula gitme süresi, ithalat ve ihracatın GSYH'ye oranı değişkenlerine göre kümelenmiştir. Çalışmanın sonucunda, klasik K-ortalamalar tekniğinin bütün yıllar için daha başarılı sonuçlar ürettiği bulgusuna ulaşılmıştır.
Özet (Çeviri)
Clustering technique can be used in order to clasify countries for decreasing the complexity and descovering the relationships among countries. Instead of examining each country level indicators seperately, clustering gives the availability of specifying which countries are similar and find the connections between variables that present the cluster membership. 189 countries are examined using defferent variables. The data cover the years 2013, 2014, 2015, 2016, 2017 and 2018. In this paper, to be defined the types of clustering and understand the way they work and when to apply each of them and to focus on two specific methods (K-means & FCM) The data is analyzed by using fuzzy c means clustering and k-means clustering techniques. These two techniques are also compared in terms of eligible performance criteria. By doing so, it is aimed at providing efficient information to understand the way how both methods do work and to understand that each clustering method can be used only on specific type of data.
Benzer Tezler
- Veri madenciliği ile mühendislik fakültesi öğrencilerinin okul başarılarının analizi
Investigation of student success at faculty of engineering by using data mining
AHMET SAYGILI
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SONGÜL ALBAYRAK
- Köprü hasarlarının dinamik test verileri ile saptanması
Identification of bridge damages by using vibration based test data
B. ÖZDEN ÇAĞLAYAN
- Sürü zekâsı kullanarak renkli görüntü segmentasyon tekniklerinin geliştirilmesi
Development of color image segmentation techniques using swarm intelligence
TAHİR SAĞ
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÇUNKAŞ
- Omuz manyetik rezonans görüntülerinden Humerus bölütlenmesi ve Hill-Sachs lezyonlarının tespiti
Segmentation of Humeral head from magnetic resonans shoulder images and determination of Hill-Sachs lesions
AYSUN SEZER
Doktora
Türkçe
2015
Mühendislik BilimleriYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SONGÜL ALBAYRAK
- Kümeleme analizinde kullanılan algoritmaların karşılaştırılması: Perakende sektöründe faaliyet gösteren bir şirketin müşteri tercihleri üzerine bir uygulama
Comparison of algorithms used in cluster analysis: An application on customer preferences of a company operating in the retail industry
RIFAT ERGAN
Yüksek Lisans
Türkçe
2025
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEMRA TÜRKAN