Yazar "Bilgin, Turgay Tugay" seçeneğine göre listele

Listeleniyor 1 - 9 / 9
  • Küçük Resim Yok
    Yayın
    A clustering framework for unbalanced partitioning and outlier filtering on high dimensional datasets
    (2007) Bilgin, Turgay Tugay; Çamurcu, A. Yılmaz
    In this study, we propose a better relationship based clustering framework for dealing with unbalanced clustering and outlier filtering on high dimensional datasets. Original relationship based clustering framework is based on a weighted graph partitioning system named METIS. However, it has two major drawbacks: no outlier filtering and forcing clusters to be balanced. Our proposed framework uses Graclus, an unbalanced kernel k-means based partitioning system. We have two major improvements over the original framework: First, we introduce a new space. It consists of tiny unbalanced partitions created using Graclus, hence we call it micro-partition space. We use a filtering approach to drop out singletons or micro-partitions that have fewer members than a threshold value. Second, we agglomerate the filtered micro-partition space and apply Graclus again for clustering. The visualization of the results has been carried out by CLUSION. Our experiments have shown that our proposed framework produces promising results on high dimensional datasets. © Springer-Verlag Berlin Heidelberg 2007.
  • Küçük Resim Yok
    Yayın
    Data Mining Governance for Service Oriented Architecture
    (IARIA XPS PRESS, 2010) Beklen, Ali; Bilgin, Turgay Tugay; Beklen, A; Ejarque, J; Gentzsch, W; Kanstren, T; Koschel, A; Lee, YW; Li, L; Zemlicka, M
    The aim of this study is to propose a platform called Data Mining Registry, Repository and Statistics (DMRRS). The concept of this platform is to govern the data mining algorithm which needs to be integrated to service oriented architecture and to be used in the cloud analytics environment. The focus is on the notion of a reference architecture for DMRRS, XML schema-based algorithm definition data models and data mining algorithm life cycles.
  • Küçük Resim Yok
    Yayın
    DbScan, Optics ve K-Means kümeleme algoritmalarının uygulamalı karşılaştırılması
    (Gazi Üniversitesi, 2005) Bilgin, Turgay Tugay; Çamursu, Yılmaz
    Bu çalışmada, veri madenciliğinde güncel kümeleme algoritmalarından DBSCAN, OPTICS ile geçmişi daha eskilere dayanan K-means algoritması karşılaştırılmıştır. Karşılaştırma sentetik veritabanı üzerinde gösterdikleri küme bulma performansları değerlendirilerek yapılmıştır. Sonuçta, yakın zamanda literatüre giren DBSCAN ve OPTICS algoritmalarının K-means algoritmasından daha üstün küme oluşturma özelliklerine sahip olduğu tespit edilmiştir.
  • Küçük Resim Yok
    Yayın
    DBSCAN,OPTICS ve K-means kümeleme algoritmalarının uygulamalı karşılaştırılması
    (2005) Bilgin, Turgay Tugay; Çamursu, Yılmaz
    Bu çalışmada, veri madenciliğinde güncel kümeleme algoritmalarından DBSCAN, OPTICS ile geçmişi daha eskilere dayanan K-means algoritması karşılaştırılmıştır. Karşılaştırma sentetik veritabanı üzerinde gösterdikleri küme bulma performansları değerlendirilerek yapılmıştır. Sonuçta, yakın zamanda literatüre giren DBSCAN ve OPTICS algoritmalarının K-means algoritmasından daha üstün küme oluşturma özelliklerine sahip olduğu tespit edilmiştir.
  • Küçük Resim Yok
    Yayın
    An efficient preprocessing stage for the relationship-based clustering framework
    (IOS PRESS, 2010) Bilgin, Turgay Tugay; Camurcu, Ali Yilmaz
    The goal of this study was to develop an efficient clustering framework for processing high-dimensional datasets with reasonable memory and computing power requirements. Strehl and Ghosh proposed a novel clustering approach and developed a framework which is called "relationship-based clustering framework" [1]. In this study, a preprocessing system has been implemented on top of their approach and it has been integrated into the relationship-based clustering framework. Three different benchmark datasets were used to evaluate its efficiency. The results are presented in various tables and charts, and in addition CLUSION graphs are plotted to enable visual evaluation of cluster quality. It is demonstrated that CPU and memory usage has been substantially decreased compared with Strehl and Ghosh's framework 1, without any noticeable decrease in clustering quality. This fact enables the use of the relationship-based clustering framework for much larger datasets than was heretofore possible, and also increases its scalability with respect to number of dimensions.
  • Küçük Resim Yok
    Yayın
    Fall Detection by Using K-Nearest Neighbor Algorithm on WSN Data
    (IEEE, 2010) Erdogan, Senol Zafer; Bilgin, Turgay Tugay; Cho, Juphil
    Falls are serious problem especially for elderly people. Day by day the elderly people are living alone and the children of these people want to get information in dangerous situations. With the alarm systems, someone in difficulty can be detected and emergency aid can be sent. We propose a system to detect falls by using a data mining approach on WSN data. The proposed system evaluated using data stream collected from sensor device and fall detection accuracy and precision are calculated. Our solution demonstrated promising results on WSN data stream.
  • Küçük Resim Yok
    Yayın
    A modified relationship based clustering framework for density based clustering and outlier filtering on high dimensional datasets
    (SPRINGER-VERLAG BERLIN, 2007) Bilgin, Turgay Tugay; Camurcu, A. Yilmaz; Zhou, ZH; Li, H; Yang, Q
    In this study, we propose a modified version of relationship based clustering framework dealing with density based clustering and outlier detection in high dimensional datasets. Originally, relationship based clustering framework is based on METIS. Therefore, it has some drawbacks such as no outlier detection and difficulty of determining the number of clusters. We propose two improvements over the framework. First, we introduce a new space which consists of tiny partitions created by METIS, hence we call it micro-partition space. Second, we used DBSCAN for clustering micro-partition space. The visualization of the results are carried out by CLUSION. Our experiments have shown that, our proposed framework produces promising results on high dimensional datasets.
  • Küçük Resim Yok
    Yayın
    Parameter Free Visual Exploration Tool for Mining School Records
    (TEMPUS PUBLICATIONS, 2012) Bilgin, Turgay Tugay
    In this study a new framework especially designed for educational data mining has been proposed and named as Visual Cluster Exploration Framework (VCEF). It differs from existing alternatives such as parallel coordinates and icon based projections in terms of dealing with the curse of dimensionality, parameter free design and ease of use. The visualization subsystem of the VCEF employs a novel visualization technique which is called as SD-plots. The results in both synthetic and real life data sets demonstrate that the approach is highly effective and helps educators to discover clusters easily. The results could be used to organize well-balanced student groups to improve the active learning in engineering classes.
  • Küçük Resim Yok
    Yayın
    Yazı Yazma Güçlüğü Çeken Okul Öncesi Ve İlköğretim Öğrencileri İçin El Yazısı Özellik Çıkarımı Ve Veri Analiz Platformu
    (2016) Bilgin, Turgay Tugay
    Okul çagındaki çocuklarda yazma zorlugu oldukça sık karsılasılabilen bir problemdir. Bu proje kapsamında, okul çagındaki çocukların yazı yazma biçimlerinden hareketle yazma sırasında yasanan zorluklar, gecikmeler, hatalar ve eksiklikler analiz edilerek bunların erken dönemde düzeltilmesine yönelik bir veri analiz platformu gelistirilmistir. Bu proje, sadece el yazısı karakterleri algılamak ve tanımlamak ile kalmayıp el yazısının nasıl yazıldıgı hakkında bilgi çıkarımı yapmaya olanak saglamıstır. Bir harfi olusturmanın hangi sıralamayla yapıldıgı, hangi bölgesinde hızın düstügü, hangi bölgesinin hatalı olarak yazıldıgı gibi birçok farklı bilgi çıkarımı yapılabilmektedir. Gelistirilen veri analiz platformu sayesinde, toplanan çizim verileri zamana göre kaydedilerek veri ambarı olusturulmustur. Bu sayede çocukların el yazısında erken dönemde tespit edilen problemlerin ilerleyen yıllardaki degisimleri analiz edilebilmektedir. Literatür arastırması sırasında, bu yeteneklere sahip ve egitim alanında kullanılan benzeri bir ortama rastlanmadıgı için özgün bir ürün ortaya çıkartılmıstır. Proje kapsamında gelistirilen platform istemci-sunucu mimarisinde çalısmaktadır. Istemci olarak tabletler ve etkilesimli (akıllı) tahtalar kullanılmıstır. Istemcilerin görevi, ögrencinin yazdıgı harf yada metni vektörel biçimde kaydedip sunucuya göndermektir. Çizim ve çizimle ilgili diger bilgiler sunucuya ulastıgında zamana baglı ve sistematik bir sekilde depolanmaktadır. Çizim verileri üzerinde veri seçme, temizleme ve ayıklama gibi önisleme (preprocessing) adımları gerçeklestirilmektedir. Elde edilen veri üzerinde yogunluk tabanlı kümeleme (density based clustering), hiyerarsik kümeleme (hierarchical clustering), sınıflandırma (classification) yöntemleri kullanılarak benzer sorunlara veya benzer yazı karakterine sahip çocukların belirlenmesi saglanmıstır. Platformun uygulanabilirligi test edilmis ve yazı yazma problemlerinin tespiti ve düzeltilmesi için basarılı sonuçlar elde edildigi gözlemlenmistir.