Implementation of different clustering algorithms
Yükleniyor...
Dosyalar
Tarih
2018
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Altınbaş Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Spectral clustering is developed for both normalized and unnormalized methods. However, selecting between the two methods is not established in the GUI (Graphical User Interface) yet . In this paper , we implement different clustering algorithms using GUI-MATLAB, then, the clustering by these three methods, is compared for similar pairs of datasets. Our model is employing such three different clustering methods which are spectral, hierarchical and density based methods, then employing different geometrical, multi-range, and multi-level similar datasets pairs of graph for clustering. As result, the above three clustering algorithms are experimented for different environments which are (geometrical, multi-range and multi-level). The simulation result shows the clustering of these pairs of geometrical datasets which are: Concentric circles, Semi-circles, and Aggregation. Accordingly, the spectral algorithm has superior clustering in case of big datasets more than 2000 pairs points and range more than 500 levels among datasets.
Spektral kümeleme hem normalize hem de normalize edilmemiş yöntemler için geliştirilmiştir. Bununla birlikte, iki yöntem arasında seçim yapmak henüz GUI’de (Grafik Kullanıcı Arayüzü) kurulmamıştır. Bu yazıda, GUI-MATLAB kullanarak farklı kümeleme algoritmaları uyguluyoruz, daha sonra bu üç yöntemle kümeleme, benzer veri kümeleri çiftleri için karşılaştırılıyor. Modelimiz, spektral, hiyerarşik ve yoğunluk temelli yöntemler gibi üç farklı kümeleme yöntemini kullanmaktadır, daha sonra kümeleme için farklı geometrik, çok aralıklı ve çok düzeyli benzer veri kümeleri grafikler kullanmaktadır. Sonuç olarak, yukarıdaki üç kümeleme algoritması, (geometrik, çok menzilli ve çok seviyeli) farklı ortamlar için denenmiştir. Benzetim sonucu, bu çift geometrik veri kümelerinin kümelenmesini göstermektedir: Eş merkezli daireler, yarı daireler ve toplama. Buna göre, spektral algoritma, veri kümeleri arasında 2000’den fazla çift nokta ve 500’den fazla veri kümesindeki üstün kümeleme özelliklerine sahiptir.
Spektral kümeleme hem normalize hem de normalize edilmemiş yöntemler için geliştirilmiştir. Bununla birlikte, iki yöntem arasında seçim yapmak henüz GUI’de (Grafik Kullanıcı Arayüzü) kurulmamıştır. Bu yazıda, GUI-MATLAB kullanarak farklı kümeleme algoritmaları uyguluyoruz, daha sonra bu üç yöntemle kümeleme, benzer veri kümeleri çiftleri için karşılaştırılıyor. Modelimiz, spektral, hiyerarşik ve yoğunluk temelli yöntemler gibi üç farklı kümeleme yöntemini kullanmaktadır, daha sonra kümeleme için farklı geometrik, çok aralıklı ve çok düzeyli benzer veri kümeleri grafikler kullanmaktadır. Sonuç olarak, yukarıdaki üç kümeleme algoritması, (geometrik, çok menzilli ve çok seviyeli) farklı ortamlar için denenmiştir. Benzetim sonucu, bu çift geometrik veri kümelerinin kümelenmesini göstermektedir: Eş merkezli daireler, yarı daireler ve toplama. Buna göre, spektral algoritma, veri kümeleri arasında 2000’den fazla çift nokta ve 500’den fazla veri kümesindeki üstün kümeleme özelliklerine sahiptir.
Açıklama
Anahtar Kelimeler
Clustering, K-Means, Spectral Method, Laplace, Eigenvector, GUI, Sınıflandırma, K-Ortalama, Spektral Metod, Laplace, Özdeğer Vektör
Kaynak
AURUM Mühendislik Sistemleri ve Mimarlık Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
2
Sayı
1
Künye
Aburas, A. M. M., Mazher, W., Uçan, O. N., & Bayat, O., "Implementation of different clustering algorithms", AURUM Mühendislik Sistemleri ve Mimarlık Dergisi, 2(1), 49-66.
