Akan veri kümeleme probleminde ağaç veri yapılarının performans karşılaştırması-Reference-Cited by-同舟云学术

Akan veri kümeleme probleminde ağaç veri yapılarının performans karşılaştırması

Published:2023-08-21 Issue:1 Volume:39 Page:217-232
ISSN:1300-1884
Container-title:Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi
language:
Short-container-title:

Author:

ŞENOL Ali¹^ORCID,KAYA Mahmut²^ORCID,CANBAY Yavuz³^ORCID

Affiliation:

1. Tarsus Üniversitesi

2. SİİRT ÜNİVERSİTESİ

3. KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ

Abstract

Teknolojideki gelişmeler, insanların pek çok farklı kaynakta üretilen verileri toplamasına ve analiz etmesine imkân tanımıştır. Sensörler, mobil cihazlar, nesnelerin interneti gibi yapılarda üretilen veriler akan veri formatında olup, bu tür verilerden işlenerek faydalı bilgilerin elde edilmesi zor bir problemdir. Akan verileri analiz etmek için sıklıkla kullanılan yöntemlerden birisi olan kümelemede, veriler dağılımlarına göre çeşitli gruplara ayrılarak analiz edilir. Bu çalışmada, akan veri kümeleme problemi için iki yeni algoritma geliştirilerek literatürdeki başka bir yöntemle karşılaştırılmıştır. Farklı veri kümeleri üzerinde yapılan deneyler neticesinde, geliştirilen algoritmaların iyi sonuçlar verdiği görülmüştür.

Publisher

Journal of the Faculty of Engineering and Architecture of Gazi University

Subject

General Engineering,Architecture

Reference37 articles.

1. AlNuaimi, N., et al., Streaming feature selection algorithms for big data: A survey. Applied Computing and Informatics, 2020.

2. Das, A., S. Das, and N.J.A.I.i.E. Rathee, Roles of Big Data, Data Science, Artificial Intelligence in Entrepreneurships. 2021.

3. Zheng, X., et al., A survey on multi-label data stream classification. IEEE Access, 2019. 8: p. 1249-1275.

4. Jain, A.K., Data clustering: 50 years beyond K-means. Pattern recognition letters, 2010. 31(8): p. 651-666.

5. Yin, C., et al., Anomaly detection model based on data stream clustering. Cluster Computing, 2019. 22(1): p. 1729-1738.

Cited by 5 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Multimodal Machine Translation Approaches for Indian Languages: A Comprehensive Survey;JUCS - Journal of Universal Computer Science;2024-05-28

2. A new hybrid feature reduction method by using MCMSTClustering algorithm with various feature projection methods: a case study on sleep disorder diagnosis;Signal, Image and Video Processing;2024-03-30

3. ANDClust: An Adaptive Neighborhood Distance‐Based Clustering Algorithm to Cluster Varying Density and/or Neck‐Typed Datasets;Advanced Theory and Simulations;2024-03-08

4. MCMSTStream: applying minimum spanning tree to KD-tree-based micro-clusters to define arbitrary-shaped clusters in streaming data;Neural Computing and Applications;2024-02-27

5. Machine Learning Based a Comparative Analysis for Detecting Tweets of Earthquake Victims Asking for Help in The 2023 Turkey-Syria Earthquake;Journal of Soft Computing and Artificial Intelligence;2024-01-06