Kaba kümeleme teorisi ile veri tabanlarından bilgi keşfi

Abstract

ÖZET Anahtar Kelimeler: Kaba Kümeleme, Bilgi Keşfi, Veri Madenciliği, Veri Tabanlarından Bilgi Keşfi. İşletmelerin sahip oldukları veri tabanlarında bulunana verilerin miktarı her geçen gün artmaktadır. Aynı zamanda küreselleşen dünyada işletmeler artık kendi bulundukları ülkelerde değil diğer ülkelerde de bulunan işetmelerle rekabet etmeye başlamışlardır. Rekabet ortamında işletmelerin ayakta kalabilmelerinin koşullarından biride güçlü bir finansal yapının yanı sıra ellerinde bulunan anlamlı bilgilerdir. Yeni bilgilerin elde edilmesi için; işletmelerin sahip oldukları tecrübe ve eski bilgilerine ek olarak veritabanlarında bulunan veriler içerisinde gizli kalmış bilgilerinde çıkarılması gerekmektedir. Araştırmacılar tarafından veritabanlarında bulunan verilerden nasıl bir yöntemle anlamlı ve yararlı bilgiler elde edilmesi gerektiği üzerinde çalışmalar yapılmış ve yapılmaktadır. Bu çalışmalar veri tabanlarından bilgi keşfi (VTBK) ve veri madenciliği (VM) adlandırılmaktadır. Bu tez kapsamında, genel bir giriş yapıldıktan sonra, ikinci bölümde veri tabanlarında bilgi keşfi ve veri madenciliğinin tanımları, amacı, modelleri, avantaj ve dezavantajları ve uygulama alanlarından bahsedilmiştir.Üçüncü bölümde; tıp, eczacılık, mühendislik, bankacılık, finans, pazar analizi, çevre yönetimi ve diğer gerçek hayat problemine başarıyla uygulanmış olan kaba kümeleme teorisinin temel felsefesi ve kavramları açıklanmıştır. Dördüncü bölümde ise kaba kümeleme teorisinin bir uygulaması gösterilmiştir. Son bölümde ise uygulamadan elde edilen sonuçlar ve öneriler sunulmuştur. vm

KNOWLEDGE DISCOVERY IN DATABASES WITH ROUGH SET THEORY SUMMARY Key words: Rough Set, Knowledge Discovery, Data Mining, Knowledge Discovery in Databases The amount of data in databases of businesses increase day by day. At the meantime businesses are forced to compete not also with local companies although compete with global companies with the globalization. To survive in this competition, meaningful knowledge in the hand of companies have the same importance as financial structure. To obtain new knowledge; addition to experiences and old knowledge, extracting the hidden knowledge in datas on databases is required Currently, researchers about how to obtain meaningful and useful knowledge from databases are studying. These research are called knowledge discovery in databeses and data mining. In the scope of the thesis, after a general introduction, in second chapter definitions of KDD and DM, their purposes, models, advantages and disadvantages are mentioned. In third chapter, basic philosophy and concepts of rough set theory which successfully applied in many real-life problems in medicine, pharmacology, engineering, banking, finances, market analysis, environment management and others is explained. In fourth chapter, an applications of rough set theory is shown» In last chapter the consequences obtained from application and suggestions are presented. IX