Bulanık kaba küme yöntemi ile nitelik indirgemede yeni bir algoritma

Günümüzde bilgisayar teknolojilerinin gelişmesi ile yüksek boyutlu veritabanları ile karşılaşılmaktadır. Veritabanlarından gereksiz verilerin atılması, veri içerisindeki örüntülerin bulunması ve elde edilen bilginin kullanılması sürecine veri tabanlarında bilgi keşfi denilmektedir. Nitelik indirgeme, kısaca nitelik uzayının boyutunun belirli ölçütlere göre azaltılması olarak tanımlanmaktadır. Bu kapsamda literatürde birçok çalışma yapılmıştır. Bu çalışmaların içerisinde en ilginç olanlarından biri ise bulanık ve kaba kümelerin melezlenmesi ile yapılan nitelik indirgeme çalışmalarıdır.Bu tezde, tip-2 bulanık kümeler kullanılarak bulanık-kaba kümeler için ayırtedilebilirlik matrisi tabanlı nitelik indirgemede yeni bir yaklaşım önerilmektedir. Önerilen algoritma, UCI makine öğrenimi veri setinden alınan veri kümeleri kullanılarak, literatürdeki nitelik indirgeme algoritmaları ile karşılaştırılmış olup, etkinliğini test etmek için sınıflandırma algoritmalarından faydalanılmıştır.