Su döngüsü optimizasyon algoritması ile sınıflandırma kurallarının keşfi

Günümüzde bilişim alanındaki gelişmeler ile birlikte bilgisayar sistemleri yaşamımızın her alanında kullanılmaya başlanmıştır. Bu nedenle üretilen sayısal veri miktarı da devasa boyutlara ulaşmıştır. Bu büyük boyuttaki verileri anlamlı hale dönüştürme işlemi sınıflandırma, kümeleme, birliktelik kuralları ve istatistik gibi veri madenciliği teknikleri ile yapılabilir. Bu çalışmada, güncel fizik tabanlı sezgisel optimizasyon algoritmalarından biri olan, su döngüsü optimizasyon algoritması sayısal veriler üzerinde sınıflandırma kural keşfi amacıyla kullanılmıştır. Deneysel çalışmada sayısal verilerden oluşan banknote ve phoneme isimli iki farklı veri seti kullanılmıştır. Bu veri setlerinden elde edilen sonuçlar, Parçacık Sürü Optimizasyon (PSO) algoritması ve Genetik Algoritma (GA) ile elde edilen sonuçlarla karşılaştırılmıştır. Deneysel sonuçlar, su döngüsü optimizasyon algoritmasının sayısal verilerde sınıflandırma kural keşfinde PSO ve GA’ ya göre daha başarılı olduğunu göstermiştir