Yüksek ortalama-faydalı örüntü madenciliği için yeni tekniklerin geliştirilmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: İRFAN YILDIRIM
Danışman: Mete Çelik
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Büyük veri kümeleri içindeki yüksek ortalama-faydalı örüntü (YOFÖ)'lerin doğru ve eksiksiz bir şekilde keşfedilmesi sürecine yüksek ortalama-faydalı örüntü madenciliği (YOFÖM) problemi denilmektedir. YOFÖM, arama uzayının genişliğinden dolayı çözülmesi zor ve karmaşık bir problemdir. Literatürde, çeşitli üst-limit modelleri, arama uzayı budama stratejileri ve veri yapıları gibi farklı teknikler kullanan YOFÖM yöntemleri bulunmaktadır. Ancak var olan YOFÖM yöntemleri yürütme zamanı ve bellek ihtiyacı açısından oldukça maliyetlidirler ve veri kümesinin hacminin artmasına bağlı olarak ölçeklenebilir değillerdir. Ayrıca, veri kümelerinin sadece pozitif faydalı ögeler içerebileceği varsayıma göre tasarlanmışlardır. Hâlbuki birçok gerçek dünya veri kümesi aynı zamanda negatif faydalı ögeler de içermektedir. Bu tez çalışmasında, YOFÖM probleminin etkili bir şekilde çözülmesi için çeşitli teknikler kullanan üç farklı yöntem geliştirilmiştir. Geliştirilen her yöntem farklı tipteki YOFÖM probleminin daha etkili çözülmesi için tasarlanmıştır. Geliştirilen ilk yöntem, klasik YOFÖM probleminin daha etkili bir şekilde çözülmesi için dört yeni üst-limit modeli, dört yeni budama stratejisi, iki yeni veri yapısı ve bir algoritma (YOFL-Büyüme) önermektedir. Geliştirilen ikinci yöntem, negatif faydalı YOFÖM probleminin daha etkili bir şekilde çözülmesi için bir yeni üst-limit modeli, üç yeni budama stratejisi, bir yeni veri yapısı ve bir algoritma (NYOFÖ-Keşif) önermektedir. Geliştirilen üçüncü yöntem, artırımlı YOFÖM problemindeki aday örüntülerin daha etkili bir şekilde bulunması için bir yeni veri yapısı ve bir algoritma (HAYOFÖM) önermektedir. Önerilen yöntemlerin başarımlarını değerlendirmek için sentetik ve gerçek veri kümeleri kullanılarak çeşitli deneyler yapılmıştır. Deneysel sonuçlar, önerilen yöntemlerin literatürdeki benzerlerine göre daha etkili bir şekilde çalıştıklarını göstermiştir. Bu tez çalışmasında, YOFÖM probleminin etkili bir şekilde çözülmesi için çeşitli teknikler kullanan üç farklı yöntem geliştirilmiştir. Geliştirilen her yöntem farklı tipteki YOFÖM probleminin daha etkili çözülmesi için tasarlanmıştır. Geliştirilen ilk yöntem, klasik YOFÖM probleminin daha etkili bir şekilde çözülmesi için dört yeni üst-limit modeli, dört yeni budama stratejisi, iki yeni veri yapısı ve bir algoritma (YOFL-Büyüme) önermektedir. Geliştirilen ikinci yöntem, negatif faydalı YOFÖM probleminin daha etkili bir şekilde çözülmesi için bir yeni üst-limit modeli, üç yeni budama stratejisi, bir yeni veri yapısı ve bir algoritma (NYOFÖ-Keşif) önermektedir. Geliştirilen üçüncü yöntem, artırımlı YOFÖM problemindeki aday örüntülerin daha etkili bir şekilde bulunması için yeni bir veri yapısı ve bir algoritma (HAYOFÖM) önermektedir. Önerilen yöntemlerin başarımlarını değerlendirmek için sentetik ve gerçek veri kümeleri kullanılarak çeşitli deneyler yapılmıştır. Deneysel sonuçlar, önerilen yöntemlerin literatürdeki benzerlerine göre daha etkili bir şekilde çalıştıklarını göstermiştir.