TY  - JOUR
T1  - Effect of Parameter Selection on Fuzzy Clustering
TT  - Bulanık Kümeleme Analizinde Parametre Seçiminin Etkisi
AU  - Ozdemir, Ozer
AU  - Kaya, Asli
PY  - 2018
DA  - March
Y2  - 2017
DO  - 10.31200/makuubd.348688
JF  - Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi
JO  - MAKÜUBD
PB  - Burdur Mehmet Akif Ersoy Üniversitesi
WT  - DergiPark
SN  - 2602-425X
SP  - 22
EP  - 33
VL  - 2
IS  - 1
LA  - en
AB  - Clustering is one of themost useful tasks in data mining process for discovering groups and identifyinginteresting distributions and patterns in the underlying data. Cluster analysisseeks to partition given data set into groups based on specified features sothat the data points within a group are more similar to each other than thepoints in different groups. Clustering can be performed in hard or fuzzy mode.One of the important conditions in order to reach accurate results inclustering analysis is to determine the initial parameters. In many studies,researchers do not have prior information about the number of clusters.Clustering algorithms in general need the number of clusters as a prior, whichis mostly hard for domain expert to estimate. In this work, in order toovercome this problem, cluster validity indices in literature were reviewed andthese indices were used in genetic data set. The result was simply analyzed andaccording to the analysis, validity indices do not always discover the optimalnumber of clusters.
KW  - Clustering
KW  - Fuzzy clustering
KW  - Validity index
N2  - Kümeleme, grupları keşfetmek ve veri setininaltında yatan ilginç dağılımları ve kalıpları saptamak için veri madenciliğiişleminde en yararlı yöntemlerden biridir. Kümeleme analizi verilen bir verikümesini belirlenmiş özelliklere göre gruplaraparçalama çabasıdır. Böylece bir grup içindeki veri noktaları, farklı gruptakinoktalara göre birbirine daha çok benzerdir. Kümeleme, sert veya bulanık moddagerçekleştirilebilir. Bulanık kümeleme analizinde sağlıklı ve anlamlı sonuçlaraulaşabilmek için önemli durum başlangıç parametrelerin belirlenmesidir. Kümelemeanalizlerinde genel olarak başlangıç küme sayısına ihtiyaç vardır ancak birveri kümesi için uygun küme sayısının önceden tahmin edilmesi alanın uzmanıiçin zor bir işlemdir. Bu çalışmada bu sorunun üstesinden gelebilmek için literatürdekigeçerlilik indeksleri araştırılmış ve genetik veri seti üzerinde uygulanmıştır.Sonuçlar basitçe analiz edilmiş olup bu indekslerin de her zaman en uygun sonuçvermediği görülmüştür.
CR  - Bezdek J.C., Fuzzy mathematics in pattern classification, Ph.D. Dissertation, Cornell University, Ithaca, NY, 1973.
CR  - Bezdek J.C., “Cluster validity with fuzzy sets”, J. Cybernet., 3, 58–73, 1974.
CR  - Bezdek J.C., Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, New York, 1981.
CR  - Dave R.N., “Validating fuzzy partition obtained through c-shells clustering”, Pattern Recognition Lett., 17, 613–623, 1996.
CR  - El-Melegy, M.T., Zanaty, E.A., Abd-Elhafiez, W.M. and Farag, A., "On cluster validity indexes in fuzzy and hard clustering algorithms for image segmentation”, IEEE international conference on computer vision, vol. 6, VI 5-8, 2007.
CR  - Fukuyama Y. and Sugeno M., “A new method of choosing the number of clusters for the fuzzy c-means method”, in: Proc. Fifth Fuzzy Systems Symp., 1989, pp. 247–250.
CR  - Hartigan J.A, Clustering Algorithms, Wiley, NewYork, 1975.
CR  - https://archive.ics.uci.edu/ml/datasets.html.
CR  - Kim, D. -W., Lee, K. H. and Lee, D., “On Cluster Validity Index for Estimation of the Optimal Number of Fuzzy Clusters”, Pattern Recognition, 37, pp.2009–2025, 2004.
CR  - Kwon S.H., “Cluster validity index for fuzzy clustering”, Electron. Lett. 34 (22), pp. 2176–2177, 1998.
CR  - Pakhira, M.K., Bandyopadhyay, S. and Maulik, U., “Validity index for crisp and fuzzy clusters”, Pattern Recognition, 37, 481–501, 2004.
CR  - Pal N.R. and Bezdek J.C., “On cluster validity for fuzzy c-means model”, IEEE Trans. Fuzzy Systems, 3 (3), 370–379, 1995.
CR  - Saad, M. F. and Alimi, A. M., “Validity index and number of clusters”, IJCSI International Journal of Computer Science, Vol. 9, Issue 1, No 3, 2012.
CR  - Xie X.L. and Beni G., “A validity measure for fuzzy clustering”, IEEE Trans. Pattern Anal. Mach. Intell., 13, 841–847, 1991.
CR  - Zahid N., Limouri M. and Essaid A., “A new cluster-validity for fuzzy clustering”, Pattern Recognition, 32, pp. 1089–1097, 1999.
CR  - Zanaty, E. A. and Afifi, A., “A new approach for automatic fuzzy clustering applied to magnetic resonance image clustering”, American Journal of Remote Sensing, 1(2), 38-46, 2013.
UR  - https://doi.org/10.31200/makuubd.348688
L1  - https://dergipark.org.tr/tr/download/article-file/451558
ER  -