Cure, agnes ve k-means algoritmalarındaki kümeleme yeteneklerinin karşılaştırılması

Basit Öğe Kaydı
dc.authoridTR5913en_US
dc.contributor.authorDemiralay, Meral
dc.contributor.authorÇamurcu, Ali Yılmaz
dc.date.accessioned2014-08-20T11:17:19Z
dc.date.available2014-08-20T11:17:19Z
dc.date.issued2005en_US
dc.departmentİstanbul Ticaret Üniversitesien_US
dc.description.abstractBu çalışmada, hiyerarşik kümeleme algoritmalarından CURE (Clustering Using REpresentatives) ve AGNES (AGglomerative NEsting) ile bölümleyici kümeleme algoritmalarından çok sık kullanılan kmeans’ in sentetik veri setlerinde uygulanmasıyla elde edilen sonuçların karşılaştırması açıklanmaktadır. Gerçekleştirilen uygulamalarda, k-means algoritmasının ayrık ve sıkışık bulutlar halindeki kümeleri başarıyla bulduğu görülmüştür. Bu algoritma benzer büyüklükteki küresel kümeleri bulabilirken, çok büyük kümeleri küresel de olsa parçalara ayırmaktadır. AGNES algoritması uygulamaları bu algoritmanın küresel kümeleri etkili bir şekilde bulduğunu, ancak sıradışı noktalara karşı çok duyarlı olduğunu göstermiştir. CURE algoritması uygulamalarında bu algoritmanın farklı büyüklüklerde ve farklı şekillerdeki kümeleri sıradışı noktalardan etkilenmeden başarıyla bulduğu görülmüştür. Ancak, CURE algoritmasıyla elde edilen kümelerin giriş parametrelerinin değerlerinden etkilendiği saptanmıştır.en_US
dc.description.abstractIn this study, applications on the synthetic datasets using hierarchical clustering algorithms, CURE (Clustering Using REpresentatives) and AGNES (AGglomerative NEsting), and a partitioning based clustering algorithm, k-means are compared. This applied study shows that k-means algorithm can find discrete and condensed clusters successfully. According to the results of k-means applications, this algorithm can be used to find similar sized and spherical clusters, but, it divides the big clusters into smaller partitions even they are spherical. Applications on AGNES algorithm show that AGNES can find spherical clusters effectively, but, it is very sensitive to the outliers. Applied studies on CURE algorithm show that this algorithm can find different sized and different shaped clusters effectively. On CURE applications, it is found out that, clustering process is not affected from outliers but it is very sensitive to the value of the input parameters.en_US
dc.identifier.endpage18en_US
dc.identifier.isbn9789756516317
dc.identifier.issn1305-7820
dc.identifier.issue8
dc.identifier.startpage1en_US
dc.identifier.urihttps://hdl.handle.net/11467/276
dc.identifier.volume4en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.language.isotren_US
dc.publisherİstanbul Ticaret Üniversitesien_US
dc.relation.ispartofİstanbul Ticaret Üniversitesi Fen Bilimleri Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Başka Kurum Yazarıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectKümelemeen_US
dc.subjectHiyerarşik Kümelemeen_US
dc.subjectK-Means
dc.subjectCure
dc.subjectAgnes
dc.subjectClustering
dc.subjectHierarchical Clustering
dc.subjectK-Means
dc.subjectCure
dc.subjectAgnes
dc.titleCure, agnes ve k-means algoritmalarındaki kümeleme yeteneklerinin karşılaştırılmasıen_US
dc.title.alternativeComparison of clustering characteristics of cure, agnes and k-means algorithmsen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
M00107.pdf
Boyut:
434.78 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

İTÜFBD, Cilt 4, Sayı 8, Makale Koleksiyonu
TR Dizin İndeksli Yayınlar