K-means, k-medoids ve bulanık c-means algoritmalarının uygulamalı olarak performanslarının tespiti
Yükleniyor...
Dosyalar
Tarih
2007
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Ticaret Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Kümeleme algoritmalarından bölünmeli kümeleme tekniği, nesneleri giriş parametre sayısı kadar kümeye bölmektedir. Bölünmeli kümeleme algoritmaları, merkez tabanlı kümeleri tespit etmede başarılıdır. Bu çalışmada, başlıca bölünmeli kümeleme algoritmalarından k-means, k-medoids ve bulanık c-means algoritmalarının kümeleme yetenekleri ve performansları karşılaştırılmıştır. Literatürde yer alan sentetik veri setleri kullanılmıştır.
Partition based clustering algorithms divideobjects to the clusters according to the given input parameter. Partition based clustering algorithms are succesful to find center based clusters. In this study, partition based clustering algorithms such as k-means, k-medoids and fuzzy c-means algorithms are compared according to their clustering abilities and performances. Syntetic data sets existingin literature are used in the experiments.
Partition based clustering algorithms divideobjects to the clusters according to the given input parameter. Partition based clustering algorithms are succesful to find center based clusters. In this study, partition based clustering algorithms such as k-means, k-medoids and fuzzy c-means algorithms are compared according to their clustering abilities and performances. Syntetic data sets existingin literature are used in the experiments.
Açıklama
Anahtar Kelimeler
Bulanık C-Means, Bölünmeli Kümeleme, K-Means, K-Medoids, Kümeleme, Clustering, Fuzzy C-Means, K-Means, K-Medoids, Partition Based Clustering
Kaynak
İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
6
Sayı
13
