Kümeleme İçin Değiştirilmiş Dunn İndeksi İle Bir Parçacık Sürü Optimizasyon Yaklaşımı

Öz

Belirli özelliklere sahip verilerin, özelliklerinin benzerliklerine göre kümelenmesi ve farklı kümelere ayrışan verilere göre farklı stratejiler geliştirilmesi çoğu bilimsel disiplinde gerekli ve önemli bir konudur. Örnek olarak, işletmelerde müşteri segmentasyonu kümeleme analizinin kullanım alanı olarak verilebilmektedir. Sezgisel arama algoritması olan Parçacık Sürü Optimizasyonu kümeleme için sıklıkla kullanılan ve ön bilgiye ihtiyaç duymadan küme sayısını doğru bir şekilde belirleyebilen bir yaklaşımdır. Çalışmada örtüşen kümeler için yeni bir Değiştirilmiş Dunn İndeksi amaç fonksiyonu olarak kullanılmak için önerilmiştir. Çalışmanın uygulamasında kümeleme algoritmalarını ve kümeleme geçerlilik indekslerini test etmek için sıklıkla kullanılan zambak çiçeği (iris flower) ve şarap (wine) veri setleri kullanılmıştır. Sonuçlar değerlendirildiğinde, önerilen fonksiyonun ön bilgiye ihtiyaç duymadan örtüşen kümeleri etkin bir şekilde gruplayabildiği gözlenmiştir.

Anahtar Kelimeler

• Parçacık Sürü Optimizasyonu,Kümeleme,Dunn İndeksi

Kaynakça

1. Aladağ, C. H., Yolcu, U., Egrioğlu, E., ve Dalar, A. Z. (2012). A new time invariant fuzzy time series forecasting method based on particle swarm optimization. Applied Soft Computing, 12(10), 3291-3299.
2. Alswaitti, M., Albughdadi, M. ve Mat Isa, N. A. (2018). Density-Based Particle Swarm Optimization Algorithm For Data Clustering. Expert Systems With Applications, 91: 170-186.
3. Armano, G. ve Framani, M. R. (2016), Multiobjective Clustering Analysis Using Particle Swarm Optimization. Expert Systems With Applications, 55, 184–193.
4. Chen, C.-Y., ve Ye, F. (2004). Particle swarm optimization algorithm and its application to clustering analysis. In Proceedings of the 2004 IEEE International Conference on Networking, Sensing and Control, Taipei, Taiwan (pp. 789–794).
5. Cura, T. (2012). A particle swarm optimization approach to clustering. Expert Systems with Applications, 39(1), 1582-1588.
6. Das, S., Abraham, A., ve Konar, A. (2008). Automatic kernel clustering with a multi-elitist particle swarm optimization algorithm. Pattern recognition letters, 29(5), 688-699.
7. Dunn, J. C. (1973). A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters. Journal of Cybernetics, 3(3). 32-57.
8. Esmin, A. A., Coelho, R. A., ve Matwin, S. (2015). A review on particle swarm optimization algorithm and its variants to clustering high-dimensional data. Artificial Intelligence Review, 44(1), 23-45.

9. Fidan, H. (2009). Pazarlama Bilgi Sistemi (Pbs) Ve Coğrafi Bilgi Sistemi (Cbs) Nin Pazarlamada Kullanimi. Journal of Yaşar University, 4(14), 2151-2171.
10. Kennedy, J. ve Eberhart, R. (1995, October). A new optimizer using particle swarm theory. In Micro Machine and Human Science, 1995. MHS'95., Proceedings of the Sixth International Symposium on (pp. 39-43). IEEE.
11. Omran, M. G., Salman, A., ve Engelbrecht, A. P. (2006). Dynamic clustering using particle swarm optimization with application in image segmentation. Pattern Analysis and Applications, 8(4), 332-344.
12. Ortakçı, Y. ve Göloğlu, C. (2012). Parçacık Sürü Optimizasyonu İle Küme Sayısının Belirlenmesi. Akademik Bilişim Akademik Bilişim’12 - XIV. Akademik Bilişim Konferansı Bildirileri 1 - 3 Şubat 2012 Uşak Üniversitesi, 335–341.
13. Özekes, S. (2003). Veri Madenciliği Modelleri ve Uygulama Alanları. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 2(3), 65-82.
14. Özmen, M., Delice, Y., ve Aydoğan, E. K. (2018). Telekomünikasyon Sektöründe PSO ile Müşteri Bölümlenmesi. International Journal of Informatics Technologies, 11(2).
15. Pakhira, M. K., Bandyopadhyay, S., ve Maulik, U. (2004). Validity index for crisp and fuzzy clusters. Pattern recognition, 37(3), 487-501.
16. Shelokar, P. S., Jayaraman, V. K., ve Kulkarni, B. D. (2004). An ant colony approach for clustering. Analytica Chimica Acta, 509, 187–195.
17. Shi, Y., ve Eberhart, R. C. (1999). Empirical study of particle swarm optimization. In Evolutionary Computation, 1999. CEC 99. Proceedings of the 1999 Congress on (Vol. 3, pp. 1945-1950). IEEE.
18. Van der Merwe, D. W., ve Engelbrecht, A. P. (2003, December). Data clustering using particle swarm optimization. In Evolutionary Computation, 2003. CEC'03. The 2003 Congress on (Vol. 1, pp. 215-220). IEEE.
19. Zhao, Q., Xu, M., ve Fränti, P. (2009, April). Sum-of-squares based cluster validity index and significance analysis. In International Conference on Adaptive and Natural Computing Algorithms (pp. 313-322). Springer, Berlin, Heidelberg.