BİRLİKTELİK KURALLARI İLE MEKÂNSAL-ZAMANSAL VERİ MADENCİLİĞİ

Erzincan University Journal of Science and Technology Pub Date : 1900-01-01 DOI:10.18185/EUFBED.75651

M. F. Alaeddinoğlu, Tolga Aydın, Deniz Dal

{"title":"BİRLİKTELİK KURALLARI İLE MEKÂNSAL-ZAMANSAL VERİ MADENCİLİĞİ","authors":"M. F. Alaeddinoğlu, Tolga Aydın, Deniz Dal","doi":"10.18185/EUFBED.75651","DOIUrl":null,"url":null,"abstract":"Insanlar icin stratejik anlamda karar vermek onemlidir. Karar verebilmek icin ise kavramlar ile alakali gecmise dayali bilgi birikimine sahip olmak gerekir. Genellikle bu birikime sahip insanlari yani uzmanlari bulmak zor ve maliyetli olmaktadir. Gelisen bilgi teknolojileri ve Veri Tabani Yonetim Sistemlerindeki (VTYS) yenilikler eldeki verilerden stratejik karar icin yararli bilgiyi cikarmayi mumkun kilmaktadir. Uzmanlara bagliligi azaltmak ve bilgi cikarimini otomatik olarak yapabilmek icin farkli yontemler gelistirilmistir. Bu yontemlerden birisi de veri madenciligi yontemidir. Veri madenciligi yontemi de kendi arasinda siniflandirma, iliski ogrenme (Birliktelik kurallari ogrenme), kumeleme gibi alt bolumlerden olusmaktadir. Birliktelik kurallari ogrenme asamasi icin literaturde en yaygin kullanilan algoritma Apriori algoritmasidir (Agrawal ve Srikant, 1994). Klasik veri madenciligi alaninda yaygin kullanima sahip olan Apriori algoritmasi, zaman ve mekâna bagli olarak degisen veri kumelerinde cok fazla kullanilmamaktadir. Zaman ve mekâna bagli veri kumelerinin klasik veri kumelerinden farki, verilerin klasik veri ozelliklerine zaman ve konum ozelliklerinin de eklenmesidir. Bu calismada Apriori algoritmasi, zamansal-mekânsal veri madenciligi alanina uyarlanarak, Van Golu’ne ait zamansal-mekânsal veri kumesi uzerinde uygulanmistir.","PeriodicalId":212034,"journal":{"name":"Erzincan University Journal of Science and Technology","volume":"5 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Erzincan University Journal of Science and Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18185/EUFBED.75651","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

Abstract

Insanlar icin stratejik anlamda karar vermek onemlidir. Karar verebilmek icin ise kavramlar ile alakali gecmise dayali bilgi birikimine sahip olmak gerekir. Genellikle bu birikime sahip insanlari yani uzmanlari bulmak zor ve maliyetli olmaktadir. Gelisen bilgi teknolojileri ve Veri Tabani Yonetim Sistemlerindeki (VTYS) yenilikler eldeki verilerden stratejik karar icin yararli bilgiyi cikarmayi mumkun kilmaktadir. Uzmanlara bagliligi azaltmak ve bilgi cikarimini otomatik olarak yapabilmek icin farkli yontemler gelistirilmistir. Bu yontemlerden birisi de veri madenciligi yontemidir. Veri madenciligi yontemi de kendi arasinda siniflandirma, iliski ogrenme (Birliktelik kurallari ogrenme), kumeleme gibi alt bolumlerden olusmaktadir. Birliktelik kurallari ogrenme asamasi icin literaturde en yaygin kullanilan algoritma Apriori algoritmasidir (Agrawal ve Srikant, 1994). Klasik veri madenciligi alaninda yaygin kullanima sahip olan Apriori algoritmasi, zaman ve mekâna bagli olarak degisen veri kumelerinde cok fazla kullanilmamaktadir. Zaman ve mekâna bagli veri kumelerinin klasik veri kumelerinden farki, verilerin klasik veri ozelliklerine zaman ve konum ozelliklerinin de eklenmesidir. Bu calismada Apriori algoritmasi, zamansal-mekânsal veri madenciligi alanina uyarlanarak, Van Golu’ne ait zamansal-mekânsal veri kumesi uzerinde uygulanmistir.

查看原文本刊更多论文

人们做出战略决策非常重要。为了能够做出决策，有必要在过去的基础上掌握有关概念的知识。通常，要找到具备这方面知识的人，即专家，既困难又昂贵。信息技术的发展和数据库管理系统（DBMS）的创新使从现有数据中提取有用信息用于战略决策成为可能。为了减少对专家的依赖并自动提取信息，人们开发了不同的方法。数据挖掘就是其中一种方法。数据挖掘方法包括分类、关联学习（关联规则学习）和沙盘推演等子部分。在关联规则学习阶段，文献中使用最广泛的算法是 Apriori 算法（Agrawal 和 Srikant，1994 年）。在经典数据挖掘中被广泛使用的 Apriori 算法，在依赖时间和空间的数据集中并不常用。时空相关数据挖掘与传统数据挖掘的区别在于，在传统数据特征的基础上增加了时间和位置特征。在本研究中，Apriori 算法被应用于时空数据挖掘领域，并被应用于 Van Golu 的时空数据沙中。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Erzincan University Journal of Science and Technology

自引率

0.00%

发文量