Modele dayalı kümeleme analizinde optimum kümeleme için yeni bir yaklaşım

Abstract

Sonlu karma modellerde bileşen (küme) sayısının belirlenmesi önemli bir problemolup normal karma modeller, sonlu karma dağılımlarda sıklıkla kullanılmaktadır. Buçalışmada, çok kriterli karar verme yöntemlerinden biri olan TOPSIS yöntemi ile çokdeğişkenli veri setinin modellenmesinde yeni bir kümeleme yöntemi önerilmiştir.Önerilen yöntemde, çok değişkenli verinin her bir değişkeni tek değişkenli normalkarma dağılımlarla modellenip, bileşen sayısına göre elde edilen bilgi kriterideğerleri kullanılarak bir karar matrisi oluşturulmuştur. Karar matrisi kullanılarakTOPSIS yöntemi ile değişkenlerdeki bileşen sayısı belirlenmiştir. Bileşenbulunmayan homojen değişkenler elenerek boyut indirgenmiş olup heterojendeğişkenlerdeki bileşen sayılarına göre oluşabilecek karma modeller için alternatifbileşen sayıları hesaplanmıştır. Alternatif bileşen sayıları içerisinden en uygunbileşen sayısı ve uygun karma model yine TOPSIS yöntemi ile belirlenmiştir. Böyleceçok değişkenli veride boyut indirgeme ve değişken seçimi ile küme sayısı tahminiyapılmıştır. Önerilen yaklaşımın başarısı gerçek veri seti üzerinde test edilmiş olupveri setinin küme sayısı doğru olarak belirlenmiştir. Ayrıca bu yaklaşım, gözlemlerinsınıflandırma başarısını da arttırmıştır.