Öklit uzaklığı nasıl hesaplanır? yazısında ilgili formülizasyonu bulabilirsiniz. a=[1 1 1 1 1 1 1 1 1 1]; b=[2 2 2 2 2 2 2 2 2 2]; 1.Yol: c=norm(a-b) 2.Yol: fark = a – b; d = sqrt(fark * fark’) 3.Yol: e = sqrt(sum((a – b) .^ 2)) 4.Yol: g=pdist2(a,b)
Yıllık Arşivler: 2017
Matlab’ta double değişkeni tanımlı iken eps = 2^-52 değerine, single tanımlı iken 2^-23 değerine eşittir. Matlab eps değerinden daha hassas işlemleri yapamaz. Örneğin: x = 1; y = x + 3*eps/5; komutlarını çalıştırdığımızda: x=1 y=1.0000 değerlerini görürüz. x-y dediğimizde ise sonuç -2.2204e-16 çıkmaktadır. Aslında biz iki değeri de 1 olarak gördük. Peki x==y mi? diye>>>
Myhill–Nerode Teoremi, 1958 yılında Chicago üniversitesi akademisyenleri John Myhill ve Anil Nerode tarafından ortaya konmuş bir teoremdir. Myhill–Nerode Teoremi, bir dilin düzenli olduğunu ispatlamak için gerekli ve yeterli bir yaklaşımdır. Ayrıca bir DFA’nın minimal hale getirilmesinde de kullanılmaktadır. Myhill–Nerode Teoremi ile ilgili çalışmalarım sırasında aldığım notlar:
Üç değişkenli gözlem verileri üzerinde öklit uzaklığını nasıl hesaplanır? Örnek hesaplamalar: Hesaplama Sonuçları: Kaynak: UZUN, Mehmet Zait. Karayolları üstyapı profil verilerinin mobil cihaz ile konuma bağlı elde edilmesi. 2014. Doktora Tezi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü.
A ve B noktaları arasındaki uzaklığı belirleyen Öklit bağıntısı şu şekildedir: Bu bağıntı genelleştirilecek olursa, aşağıdaki gibi bir bağıntıya ulaşılır: İki nokta arasındaki uzaklığın iki boyutlu uzayda gösterimi: Kaynak: UZUN, Mehmet Zait. Karayolları üstyapı profil verilerinin mobil cihaz ile konuma bağlı elde edilmesi. 2014. Doktora Tezi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü.
“DBSCAN, OPTICS ve K-Means Kümeleme Algoritmalarının Uygulamalı Karşılaştırılması” başlıklı çalışma Turgay Tugay BİLGİN ve Yılmaz ÇAMURCU tarafından yapılmış olup Politeknik Dergisi 8.2 (2005)’te yayınlanmıştır. İndirmek için: DBSCAN_OPTICS_ve_K-Means_Kumeleme_Algoritmalarinin_Uygulamali_Karsilastirilmasi
Kümeleme algoritmalarını test etmek için kullanılabilecek veri kümelerine aşağıdaki bağlantıdan erişebilirsiniz: https://cs.joensuu.fi/sipu/datasets/
“A density-based algorithm for discovering clusters in large spatial databases with noise” başlıklı çalışma Martin Ester, Hans-Peter Kriegel, Jiirg Sander, Xiaowei Xu tarafından yapılmış olup KDD-96 konferansında sunulmuştur. Sınıf belirleme, veritabanındaki nesneleri anlamlı alt sınıflara gruplama işlemidir. Örneğin nehir kenarındaki evleri gruplamak isteyebiliriz. Kümeleme işlemi için öne çıkan zorluklar: -Kümelenecek veriler hakkında bilgi sahibi olunmaması>>>
DBSCAN Algorithm presented by Steven Bierwagen Source: https://www.youtube.com/watch?v=5E097ZLE9Sg
“Pers imparatoru Kambis, Mısır seferine çıkarken zaferinden emindi. Çünkü bütün kâhinleri ittifak halindeydi. Zühre yıldızı demişlerdi hep bir ağızdan; ‘İmparatorun burcuna girdi.’ Mısır’ın fethi yakındı. Öyle de oldu. Kırk gün kırk gece sürdü Nil’in yanı başındaki savaş. Ve Mısır düştü. Ama önceden müjdelenmiş bu fetih acımasız Pers İmparatoru’na kâfi gelmedi. Merkiz Kalesi’nin önüne bir otağ>>>