Fuzzy Bayes classification

Abstract

Bu tezde, bağımsızlık varsayımı dikkate alınmadan sayısal niteleyiciler için yeni bir Bulanık Bayes Sınıflaması önerilmiştir. Sınıflamada, yüksek doğruluğu elde etmek için, Bulanık C-Means Kümelemesi (BCM) kullanılarak üyelik fonksiyonları oluşturulmuştur. BCM kullanımındaki temel amaç, bir uzmana danışmak yerine üyelik fonksiyonlarını doğrudan veri setinden elde etmektir. Önerilenyöntem, yalnızca sayısal niteleyicileri içeren ve alanyazında iyi bilinen iki veri seti üzerinde gösterilmistir.Anahtar Kelimeler: Mahalanobis uzaklığı; Bayes sınıflandırıcısı; Bulanık küme teorisi.

In this thesis, a new Fuzzy Bayes Classification is proposed for numerical attributeswithout considering the independence assumption. In order to get highaccuracy in classification membership functions are constructed by using FuzzyC-Means Clustering (FCM). The main objective in using FCM is to obtain membershipfunctions directly from the data set instead of consulting to an expert.The proposed method is demonstrated on two well-known data sets from theliterature which consist of numerical attributes only.Keywords: Mahalanobis distance; Bayes classication; Fuzzy set theory.