Show simple item record

dc.contributor.advisorKARAL, Ömer
dc.contributor.authorBAĞCI, Furkan Burak
dc.date.accessioned2020-02-10T12:52:52Z
dc.date.available2020-02-10T12:52:52Z
dc.date.issued2019
dc.identifier.urihttp://acikerisim.ybu.edu.tr:8080/xmlui/handle/123456789/1371
dc.description.abstractİletişimin ve teknolojinin gelişmesi ile dünyadaki dijital veri miktarı gittikçe artmaktadır. Bu nedenle, özellikle son yıllarda bu veriler kullanılarak anlamlı bilgi elde etmek çok önemli hale gelmiştir. Özellikle, öbekleme yöntemleri, veri içindeki gizli desenleri çıkarmak için kullanılan en önemli algoritmalardan biridir. Çoğu öbekleme yönteminde, Öklid uzaklığı, veri örnekleri arasında benzerlik metriği olarak kullanılır. Öklid uzaklığında, verilerin varyansları eşit kabul edilir. Ancak, çoğu gerçek dünya verisi farklı varyansta veriler içerebilir. Bunun için, Mahalanobis uzaklığı kullanılarak Kernel tabanlı Elipsoit Destek Vektör Öbekleme (EDVÖ) algoritması geliştirilmiştir. EDVÖ yöntemi kernel fonksiyonunun varyans parametresi sayesinde küme sayısının önceden belirtilmesine ihtiyaç duymadan veri örneklerine göre uygun küme sınırlarını otomatik olarak oluşturabilir. Bu çalışma iki kısma ayrılmıştır. İlk kısımda, EDVÖ yöntemi ilk kez hepatit ve parkinson gibi gerçek biyomedikal veri setlerine uygulanmış ve ardından k-merkez, bulanık c-merkez, hiyerarşik gibi Öklid uzaklığı kullanan öbekleme algoritmalarıyla karşılaştırılmıştır. Simülasyon sonuçlarından, EDVÖ algoritmasının oldukça iyi performans gösterdiği gözlemlenmiştir. İkinci bölümde, Cauchy, Laplacian ve hyper tangent kernelleri, EDVÖ için Gauss kerneline alternatif olarak önerilmiş ve daha sonra performans analizleri yapılmıştır. Elde edilen analiz sonuçlarına göre, Cauchy ve hyper tangent kernel fonksiyonlarının Gauss kernele alternatif olarak kullanılabileceği gösterilmiştir.tr_TR
dc.language.isoentr_TR
dc.publisherAnkara Yıldırım Beyazıt Üniversitesi Fen Bilimleri Enstitüsütr_TR
dc.subjectClustering, kernel function, ellipsoidal support vector clustering, mahalanobis distance.tr_TR
dc.subjectKümeleme, kernel fonksiyonu, elipsoit destek vektör öbekleme, mahalanobis uzaklığı.tr_TR
dc.titlePerformance Analysis of the Ellipsoidal Support Vector Clustering Algorithm on Various Synthetic and Biomedical Data Setstr_TR
dc.title.alternativeElipsoit destek vektör öbekleme algoritmasının çeşitli sentetik ve biyomedikal veri setleri üzerinde performans analizitr_TR
dc.typeThesistr_TR
dc.contributor.departmentFen Bilimleri Enstitüsü / Elektrik ve Bilgisayar Mühendisliği Anabilim Dalı


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record