Yapay alg algoritması tabanlı kümeleme yöntemi
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Access Rights
info:eu-repo/semantics/openAccess
Abstract
Optimizasyon, belirli şartlar altında bir problem için elde edilen en iyi çözüm olarak tanımlanır. Optimizasyon algoritmaları, mevcut bilgileri mümkün olduğu kadar en iyi şekilde kullanma becerisine sahiptir. Günümüze kadar araştırmacılar tarafından birçok optimizasyon algoritması geliştirilmiştir, geliştirilen bu optimizasyon algoritmaları genelde tabiatta bulunan varlıkların davranışlarına göre tasarlanmıştır. Optimizasyon algoritmaları çok başarılı bir şekilde mühendislik, tıp ve bankacılık gibi birçok sektörde kullanılmıştır. Bu kullanım alanlarına ek olarak veri madenciliği sınıflandırma ve kümeleme gibi algoritmaların parametre güncellenmesinde de kullanılmıştır. Kümeleme işlemi, birçok alanda sıkça kullanılmaktadır. Kümeleme işleminde en önemli nokta kümelenen verilerin en iyi küme merkezlerinin belirlenmesidir. Bu tezde, kümeleme işlemi Yapay Alg optimizasyon Algoritması (YAA) ile yapılmıştır. Önerilen YAA tabanlı kümeleme algoritması UCI veri kümeleri üzerinde uygulanmıştır. Önerilen YAA tabanlı kümeleme algoritmasının performansını değerlendirmek için her veri seti için farklı iterasyon sayılarda toplam karesel uzaklık değerleri hesaplanmıştır. Elde edilen sonuçlar k-ortalama, Diferansiyel Evrim Algoritması (DE), Genetik algoritması (GA), Yapay arı kolonisi (YAK), Parçacık sürü optimizasyon (PSO), Balina optimizasyon Algoritması (BOA) kümeleme algoritmaları ile karşılaştırılmıştır. Deneysel sonuçlarına göre, önerilen YAA tabanlı kümeleme algoritması iris ve şarap veri setlerinde diğer kümeleme algoritmalarından daha iyi sonuç elde etmiş, diğer veri setlerinde ise iyi sonuçlara yakın sonuçlar elde etmiştir.
Optimization is defined as the best solution for a problem under certain conditions. Optimization algorithms have the ability to make the best use of available information. Until today, many optimization algorithms have been developed by researchers. These optimization algorithms are generally designed according to the behaviors of natural beings. Optimization algorithms have been used very successfully in many areas such as engineering, medicine and banking, In addition to these fields of application, it has also been used for parameter updating of algorithms such as data mining classification and clustering. Clustering is frequently used in many areas, but the most important point in clustering is to determine the best cluster centers of clustered data. In this thesis, clustering process is realized by using Artificial Algae Algorithm (AAA) optimization algorithm. The proposed AAA-based clustering algorithm is implemented on UCI datasets. In order to evaluate the performance of the proposed YAA based clustering algorithm, total square distance values in different iteration numbers were calculated for each data set. The obtained results have been compared with k-means, Differential Evolution Algorithm (DE), Genetic algorithm (GA), Artificial bee colony (ABC), Particle swarm optimization (PSO), Whale optimization Algorithm (WOA) clustering algorithms. According to the experimental results, the proposed AAA-based clustering algorithm has achieved better results in iris and şarap data sets than other clustering algorithms, while it has obtained close to good results in other data sets.
Optimization is defined as the best solution for a problem under certain conditions. Optimization algorithms have the ability to make the best use of available information. Until today, many optimization algorithms have been developed by researchers. These optimization algorithms are generally designed according to the behaviors of natural beings. Optimization algorithms have been used very successfully in many areas such as engineering, medicine and banking, In addition to these fields of application, it has also been used for parameter updating of algorithms such as data mining classification and clustering. Clustering is frequently used in many areas, but the most important point in clustering is to determine the best cluster centers of clustered data. In this thesis, clustering process is realized by using Artificial Algae Algorithm (AAA) optimization algorithm. The proposed AAA-based clustering algorithm is implemented on UCI datasets. In order to evaluate the performance of the proposed YAA based clustering algorithm, total square distance values in different iteration numbers were calculated for each data set. The obtained results have been compared with k-means, Differential Evolution Algorithm (DE), Genetic algorithm (GA), Artificial bee colony (ABC), Particle swarm optimization (PSO), Whale optimization Algorithm (WOA) clustering algorithms. According to the experimental results, the proposed AAA-based clustering algorithm has achieved better results in iris and şarap data sets than other clustering algorithms, while it has obtained close to good results in other data sets.
Description
Keywords
Yapay Alg Algoritması, Kümeleme, Artificial Algae Algorithm, Clustering
Journal or Series
WoS Q Value
Scopus Q Value
Volume
Issue
Citation
Anwer, K. I. (2021). Yapay Alg Algoritması Tabanlı Kümeleme Yöntemi. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
