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.
Birincil Dil | Türkçe |
---|---|
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 30 Nisan 2020 |
Yayımlandığı Sayı | Yıl 2020 Cilt: 15 Sayı: 58 |