Analysis of correlation relation between pollution and petroleum consumption using algorithms (spectral clustering & K-mean)

Abstract

Kümelenme, büyük veri setleri üzerinde benzer davranışları (kümeleri) ortaya çıkaran en önemli gözetimsiz öğrenme yöntemleri olarak düşünülebilir.Kümeleşme, nesneleri üyelerine bir şekilde benzer gruplar halinde organize etme işlemidir.Bağlanan grafiğin düğümleri olarak spektral kümeleme veri noktaları ve kümeler, bu grafiği, spektral ayrışımına dayanarak, alt grafilere bölerek bulunabilir.K - montaj anlamına gelir: Nesneleri k gruplarına bölün, böylece bazı ölçümler kümelerin orta noktalarına göre en aza indirilir.Bu tezde yaşam sürecindeki verilere hem algoritma (spektral kümeleme hem de k-ortalama) uygulanmıştır ve bu veriler istatistiksel verilerdir. Veri alanı, kirlilik ve petrol tüketiminin miktarlarıdır. Spektral kümeleme algoritması birkaç kez uygulanmıştır vek-ortalaması birkaç kez uygulanmış ve en iyi sonuç karşılaştırılmış ve en iyi sınıflandırma elde edilmiştir.Anahtar Kelimeler: Kümeleşme, Spektral Kümeleme, K-ortalaması, kirlilik, petrol

Clustering can be considered the most significant unsupervised learning methods that reveal similar behaviors (sets) on large sets of data.Clustering is the process of organizing objects into groups that are similar in some way to their members.Spectral clustering data points as nodes of a connected graph and clusters are found by partitioning this graph, based on its spectral decomposition, into subgraphs.K - means assembly: Divide objects into k groups so that some measurements are minimized relative to the middle points of the clusters.In this thesis, we have applied both of algorithms (spectral clustering and k-mean) on data from the life process and these data are statistical data. The field of data is the quantities of pollution and petroleum consumption. The spectral clustering algorithm was applied several times andk-mean was applied several times and the best result was compared and the best classification was also obtained.Keywords: Clustering ,Spectral Clustering ,K-mean ,pollution, petroleum