nTreeClus: A model-based partitioning clustering of sequential data

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2018

Tezin Dili: İngilizce

Öğrenci: HADI JAHANSHAHI

Danışman: MUSTAFA GÖKÇE BAYDOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Farklı alanlarda gözlemlenen kategorik/ardışık dataların sıklığı dizi madenciliğini önemini ortaya koymaktadır. Dizilerin çetrefilli yapıları nedeniyle kendi aralarındaki benzerliklerinin veya farklılıklarının daha iyi anlaşılabilmesi konusunda daha kesin sonuç veren ve daha hızlı çözüme ulaşan yaklaşımları bulmak için sürekli bir arayış içinde olmak gerekmektedir. Yapılan bu çalışmada ardışık verilerin kümelenmesi için nTreeClus ismi verilen model bazlı yeni bir yaklaşım önerilmiştir. Önerilen yaklaşım, kategorik dizilerin yeni sayısal temsili ile sonuçlanan, aralarında Karar Ağacı Öğrenmesi, $k$-mers ve kategorik zaman serileri için kullanılan otoregresif modellerin de bulunduğu mevcut çözümlerin arkasındaki kavramların kesişimi konumundadır. Bu yeni temsil kategorik zaman serilerindeki mevcut modelleri dikkate alarak kümeleme işlemini yapmakta kullanılmaktadır. Ayrıca, yöntemin tek parametresi olan pencere boyutu ($n$) incelenmekte ve yöntemin parametresine olan sağlamlığı gösterilmektedir. Farklı simülasyon senaryoları altında ve çeşitli iç ve dış kümeleme doğrulama indeksleri kullanılarak yöntemin performansı analiz edilmekte ve raporlanmaktadır. Son olarak, sentetik ve gerçek veri setleri, protein dizileri ve kategorik zaman serileri kullanılarak yapılan ampirik değerlendirme göstermektedir ki, nTreeClus yöntemi günümüzde kullanılan metotlar içinde rekabetçi bir konumda hatta en gelişmiş yöntemlerin çoğundan daha üstün bir seviyede yer almaktadır.