Bağlanırlık tabanlı öbekleme için jeodezik uzaklık kestirimi

Abstract

Spektral öbekleme, son zamanlarda popülerleşen, küresel şekille sınırlı olmayan gelişigüzel/uzatılmış öbekler verebilen bir öbekleme yöntemidir. Çizge tabanlı bu öbekleme yönteminin girdi olarak kullandığı örnekler arasındaki benzerliklerin belirlenmesi için Öklid uzaklığı tabanlı yaklaşımlara ek olarak çizge üzerinde diğer örneklerin dağılımının da etkili olduğu en kısa yol ya da büyük atlamalar yapmayan yollar kullanılarak da bağlanırlık-tabanlı benzerlik ölçütleri de kullanılmaktadır. Bu çalışmada spektral öbeklemenin kullandığı Öklid uzaklığı ile yol-tabanlı spektral öbeklemenin kullandığı en küçük maksimum atlama uzaklığı birleştirilerek, hibrit bir yöntem önerilmiştir. Laplacian matrisleri benzeştirilerek ve birleştirilerek hibrit Laplacian yöntemi oluşturulmuştur ve daha gürbüz olduğu gösterilmiştir.

Spectral clustering is a recently popular clustering method, not limited to spherical-shaped clusters and capable of finding elongated arbitrary-shaped clusters. This graph theoretical clustering method can use Euclidean distance between each pair of examples as well as connectivity-based similarity measures based on shortest path or paths that do not travel over examples with big distances on the graph. In this thesis, a hybrid method is proposed that utilizes distances used by spectral and path-based spectral clustering algorithms. By combining and appending Laplacian matrices, hybrid methods have been proposed and shown to be more robust than other both methods.