Kumeleme oruntulerin gruplara (kumelere) gozetmensiz siniflandirilmasi olarak tanimlanmaktadir. Birbiri ile benzerlik gosteren verilerin kumelenmesi insan eli ile yapilamayacak kadar karmasik bir islemdir. Literaturde, farkli prensipleri temel alan degisik kumeleme algoritmalari bulunmaktadir. SNN (Paylasimli En Yakin Komsuluk) algoritamasi, iki verinin paylastigi en yakin komsuluklara bakarak veriler arasindaki benzerligi tanimlayan yogunluk tabanli bir kumeleme algoritmasidir. SNN algoritmasi kumeleme yaparken kullanicinin girdigi, bir noktanin komsuluk bolgesini sinirlandiran yaricap (Eps) ve bir eps-komsulugunda bulunmasi gereken asgari nokta sayisini (minpts) belirten parametrelerini kullanir. Bu durum algoritmanin kumeleme basariminin kullanici tecrubesine bagimliligini meydana getirmektedir. Kullaniciya duyulan bu bagimliligi ortadan kaldirmak icin kural tabanli otomatik SNN algoritmasi onerilmistir. Bu calismada kural tabanli otomatik SNN algoritmasinin 2000 ve uzeri ornek sayisina sahip veri setleri uzerindeki basarimi irdelenmistir ve sunulmustur.
展开▼
