Parameter free version of FNDBSCAN algorithm

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2017

Tezin Dili: İngilizce

Öğrenci: FATMA GÜNSELİ YAŞAR

Danışman: SEMİH UTKU

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Her gün, bir önceki gün ile kıyaslandığında daha çok veri mevcuttur.Bu veriler değerlendirilebilirse, daha çok veri daha çok fırsat anlamına gelir.Bu nedenle tüm veriler kümelere doğru olarak bölünmeli ve bu kümelerden doğru bilgiler çıkarılmalıdır.Doğru kümelere sahip olmak kullanılan kümeleme algoritmasına bağlıdır. Bir çok kümeleme algoritması bulunmaktadır ve bunlar beş temel gruba ayrılırlar. Yoğunluk tabanlı metotlar, farklı şekillerdeki kümeleri bulabilmeleri sayesinde bu beş temel grup arasında çok önemlidir. Bu çalışmada, DBSCAN (Density Based Spatial Clustering of Applications with Noise) algoritmasının ileri bir modeli olan FN-DBSCAN Gaussian Means (FN-DBSCAN-GM) algoritması önerilir.FN-DBSCAN-GM algoritmasının temel katkısı girdi parametrelerini otomatik olarak bulmak ve veriyi kümelere gürbüz bir şekilde bölmektir. FN-DBSCAN-GM algoritması Matlab R2015b program kullanılarak geliştirilmiştir.Bu algoritmanın etkinliği, çakışan very kümeleri üzerinde (6 yapay veri kümesi ve 2 gerçek zamanlı veri kümesi) gösterilmiştir.Bu algoritmanın performansı doğru sınıflama yüzdesi ve bir geçerlilik indeksi kullanılarak kıyaslanmıştır.Deneylerimiz bu algoritmanın daha tercih edilebilir ve gürbüz bir algoritma olduğunu gösterir.