Construction and analysis of clustering algorithms based on fuzzy relations and their applications to EEG data

---

Tezin Türü: Doktora

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

Tezin Onay Tarihi: 2009

Tezin Dili: İngilizce

Öğrenci: GÖZDE ULUTAGAY

Danışman: EFENDİ NASİBOĞLU

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmada temel olarak iki algoritma önerilmektedir. Birincisi, bulanık komşuluğa dayalı FJP (Fuzzy Joint Points) algoritmasının sapan değerlere dayanıklı versiyonu olan NRFJP (Noise-Robust FJP) algoritmasıdır. NRFJP algoritmasında, belirli bir eps1 için, bulanık komşuluk kardinalitesi eps2 eşiğinden düşük olan her bir nokta sapan değer olarak ele alınır. Algoritmada, eps2 değeri sıfır olarak seçildiğinde, NRFJP algoritmasının sapan değerlere karşı duyarlılığı yok olur ve NRFJP algoritması FJP algoritmasına dönüşür.Çalışmada önerilen ikinci algoritma ise, FJP ve yoğunluğa dayalı DBSCAN (Density Based Spatial Clustering Applications with Noise) algoritmalarının karışımı olan FN-DBSCAN (Fuzzy Neighborhood DBSCAN) algoritmasıdır. Çalışmada, yoğunluğa dayalı kümelemede kullanılan bulanık komşuluk ilişkilerinin etkisi incelenmiştir. FN-DBSCAN daha genel bir algoritma olmasının yanında, klasik komşuluk fonksiyonu kullanıldığında DBSCAN algoritmasına dönüşmektedir.BIS verilerine kümeleme analizi uygulamak için FN-DBSCAN algoritmasının modifiye edilmiş versiyonu geliştirilmiştir. Yapılan hesaplama deneyleri sonucunda, iyi bilinen FCM (Fuzzy c-means) kümeleme algoritmasına kıyasla, FN-DBSCAN temelli yaklaşımın uzman görüşüne daha yakın sonuçlar verdiği gözlenmiştir.Önerilen NRFJP, FN-DBSCAN ve FN-DBSCAN temelinde BIS verilerinin analizi için geliştirilmiş algoritmanın Borland C++ Builder programlama dilinde kodları yazılmış ve entegre bir yazılım sistemi halinde tasarlanmıştır.