:::: MENU ::::
DBSCAN

DBSCAN, OPTICS ve K-Means Kümeleme Algoritmalarının Uygulamalı Karşılaştırılması

“DBSCAN, OPTICS ve K-Means Kümeleme Algoritmalarının Uygulamalı Karşılaştırılması” başlıklı çalışma Turgay Tugay BİLGİN ve Yılmaz ÇAMURCU tarafından yapılmış olup Politeknik Dergisi 8.2 (2005)’te yayınlanmıştır.

İndirmek için:

DBSCAN_OPTICS_ve_K-Means_Kumeleme_Algoritmalarinin_Uygulamali_Karsilastirilmasi


A density-based algorithm for discovering clusters in large spatial databases with noise

“A density-based algorithm for discovering clusters in large spatial databases with noise” başlıklı çalışma Martin Ester, Hans-Peter Kriegel, Jiirg Sander, Xiaowei Xu tarafından yapılmış olup KDD-96 konferansında sunulmuştur.

Sınıf belirleme, veritabanındaki nesneleri anlamlı alt sınıflara gruplama işlemidir. Örneğin nehir kenarındaki evleri gruplamak isteyebiliriz.

Kümeleme işlemi için öne çıkan zorluklar:

-Kümelenecek veriler hakkında bilgi sahibi olunmaması
-Kümelerin belirsiz şekillerde birbirinden ayrılması(küresel, doğrusal, çizgisel gibi…)
-Kümelenecek veri sayısının binlerle ifade edilmesi

DBSCAN büyük hacimli veritabanlarında, kümelerin birbirinden keyfi şekillerle ayrıldığı durumlarda da başarılı sonuçlar üretmektedir.

Kümeleme Algoritmaları
1-Parçalayarak Kümeleme
2-Hiyerarşik Kümeleme

Parçalayarak Kümeleme yaklaşımında başlangıçta belirlenen küme sayısına mevcut veriler dağıtılır. k-means ve k-medoid algoritmaları bu gruba girmektedir. Sonuçta oluşan bütün kümeler konveks (dışbükeydir) ve bu verilerin bu şekilde kümelenmediği veritabanları için doğru sonuçlar üretilemeyeceğini göstermektedir. Bu yaklaşımda uzay voronoi diyagramı şeklinde bölümlenir ve her bir voronoi hücresi bir kümeyi temsil eder.

k-medoid algoritması geliştirilerek CLARANS algoritması üretilmiştir. CLARANS algoritması 2’den n’e kadar küme sayıları için siluet katsayısı {silhouette coefficient (Kaufman & Rousseeuw 1990) } değeri üretir ve bu katsayının maksimum olduğu durumu ideal küme sayısı olarak belirler. Fakat bu işlemi n’e kadar yapmak O(n) kadar zaman gerektirdiğinden uygulanması zordur.

CLARANS tüm kümelenecek veriyi aynı anda hafızaya alma stratejisini benimsediğinden büyük veritabanları için uygun değildir. Büyük veritabanları için CLARANS’ın çalışma zamanı çok uzundur. Bu yüzden tüm nesneler değil, sadece bir grup nesnenin aynı anda ele alındığı bir yaklaşım düşünülmüştür. Böylece hem daha az bellek alanı kullanılacak, hem de işlem zamanı kısalacaktır.

Hiyerarşik Kümeleme yaklaşımında veritabanı hiyerarşik bir şekilde bölünerek kümelenir. Hiyerarşik kümelemede önceden küme sayısı belirlenmemektedir. Burada belirlenen sonlandırma kriterine kadar işlem sürer ve her bir nesne bir ağaç dalında yaprak misali tek kalıncaya kadar işlem sürdürülür.Sonlandırma kriterini belirlemek ciddi bir problemdir. Dışbükey olmayan kümeleme işlemlerinde kullanılmaktadır. Ejcluster algoritması her iki nokta arasındaki mesafeyi hesapladığından O(n2) hesaplama zamanına ihtiyaç duymaktadır.

Küme alanlarında yoğunluk fazlayken, boş alanlarda veya gürültülü verilerin bulunduğu yerlerde yoğunluk azdır.

DBSCAN algoritmasında yoğunluk ölçümü için Öklid ve Manhattan uzaklığı gibi yöntemler veya başka uzaklık ölçüm yaklaşımları kullanılabilir.

Eps ve MinPts parametrelerinin belirlenmesi

2 boyutlu veri setleri için MinPts değerinin 4 olarak alınması önerilmiştir.

DBSCAN sentetik ve gerçek veri setleri ile CLARANS algoritması ile karşılaştırılmıştır. Renksiz bir şekilde sonuç grafikleri verildiğinden tam anlaşılamayan sonuçları görmek için renkli grafiklere bakılması önerilmiştir.

dbscan-clarans

İndirmek için:
A-density-based-algorithm-for-discovering-clusters-in-large-spatial-databases-with-noise