Levy Uçuşuyla Geliştirilen Balina Optimizasyon Algoritmasının Kümeleme Problemlerine Uygulanması
Yükleniyor...
Dosyalar
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Necmettin Erbakan Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Birçok araştırmacı tarafından ele alınan kümeleme, veri topluluklarının denetimsiz olarak gruplara ayrılmasıdır. Kümelemede veriler, aralarındaki benzerlik veya farklılıklar kullanılarak gruplandırılmaktadır. Geleneksel ve sezgisel birçok algoritma kümeleme probleminde kullanılmakta olup, günümüzde yeni teknikler geliştirilmeye devam etmektedir. Bu tezde, balinaların avlanma davranışını taklit eden Balina Optimizasyon Algoritması (BOA) ve Levy Flight (LF) stratejisi birlikte kullanılarak daha etkili yeni bir kümeleme algoritması geliştirilmiştir. UCI Machine Learning Repository veri tabanından alınan 16 gerçek veri setinde (Dermatology, E. Coli, Balance, Cancer-Int, Cancer, Iris, Glass, Wine, Credit, Thyroid, Heart, Spect, Diabetes, Hepatit, Breast Tissue, Parkinson) geliştirilen BOA-LF algoritmasıyla kümeleme uygulaması yapılmıştır. Önerilen algoritmanın kümeleme aşamasında, uygunluk fonksiyonu olarak Toplam Karesel Uzaklık fonksiyonu kullanılmıştır. BOA-LF’nin kümeleme performansı, k-means, k-medoids ve bulanık c-means kümeleme algoritmalarının performansıyla karşılaştırılmıştır. Bu karşılaştırmaya göre BOA-LF, 11 veri setinde (Cancer-int, Iris, Wine, Credit, Thyroid, Heart, Spect, Diabetes, Hepatit, Breast Tissue, Parkinson) daha iyi kümeleme sonuçları elde etmiştir. Deneysel sonuçlar, BOA-LF’nin kümeleme problemindeki başarısını ve alternatif bir kümeleme algoritması olarak kullanılabileceğini göstermiştir.
Clustering, which is dealt with by many researchers, is the uncontrolled grouping of data stacks. In clustering, data are grouped using similarities or differences between them. Many traditional and heuristic algorithms are used in clustering problems, and new techniques continue to be developed today. In this thesis, a more effective new clustering algorithm has been developed using the Whale Optimization Algorithm (WOA), which mimics the hunting behavior of whales, and Levy Flight (LF) strategy. With the developed BOA-LF algorithm, 16 real data sets taken from the UCI Machine Learning Repository database (Dermatology, E. Coli, Balance, Cancer-Int, Cancer, Iris, Glass, Wine, Credit, Thyroid, Heart, Spect, Diabetes, Hepatit , Breast Tissue, Parkinson) clustering was applied. In the clustering stage of the proposed algorithm, Sum of Squared Error function was used as a fitness function. The clustering performance of BOA-LF was compared with the performance of k-means, k-medoids and fuzzy c-means clustering algorithms. According to this comparison, BOA-LF achieved better clustering results in 11 data sets (Cancer-int, Iris, Wine, Credit, Thyroid, Heart, Spect, Diabetes, Hepatitis, Breast Tissue, Parkinson). Experimental results have shown that the success of BOA-LF in clustering problem and it can be used as an alternative clustering algorithm.
Clustering, which is dealt with by many researchers, is the uncontrolled grouping of data stacks. In clustering, data are grouped using similarities or differences between them. Many traditional and heuristic algorithms are used in clustering problems, and new techniques continue to be developed today. In this thesis, a more effective new clustering algorithm has been developed using the Whale Optimization Algorithm (WOA), which mimics the hunting behavior of whales, and Levy Flight (LF) strategy. With the developed BOA-LF algorithm, 16 real data sets taken from the UCI Machine Learning Repository database (Dermatology, E. Coli, Balance, Cancer-Int, Cancer, Iris, Glass, Wine, Credit, Thyroid, Heart, Spect, Diabetes, Hepatit , Breast Tissue, Parkinson) clustering was applied. In the clustering stage of the proposed algorithm, Sum of Squared Error function was used as a fitness function. The clustering performance of BOA-LF was compared with the performance of k-means, k-medoids and fuzzy c-means clustering algorithms. According to this comparison, BOA-LF achieved better clustering results in 11 data sets (Cancer-int, Iris, Wine, Credit, Thyroid, Heart, Spect, Diabetes, Hepatitis, Breast Tissue, Parkinson). Experimental results have shown that the success of BOA-LF in clustering problem and it can be used as an alternative clustering algorithm.
Açıklama
Yüksek Lisans Tezi
Anahtar Kelimeler
Balina Optimizasyon Algoritması, Bulanık C-means, K-means, K-medoids, Kümeleme, Levy Flight, Clustering, Fuzzy C-means, Whale Optimization Algorithm
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Mat, A. N. (2021). Levy uçuşuyla geliştirilen balina optimizasyon algoritmasının kümeleme problemlerine uygulanması. (Yayınlanmamış Yüksek Lisans Tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı, Konya.
