Temporal clustering of multivariate time series

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Edebiyat Fakültesi, İstatistik Bölümü, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: SİPAN ASLAN

Asıl Danışman (Eş Danışmanlı Tezler İçin): Ceylan Yozgatlıgil

Eş Danışman: CEM İYİGÜN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Zaman serisi verilerinin kümelenmesi, çeşitli alanlarda ve uygulamalarda sıklıkla ortaya çıkan yaygın bir sorundur. Tek değişkenli zaman serilerinin kümelenmesi çok fazla incelenirken, çok değişkenli zaman serilerinin kümelenmesi kapsamlı bir şekilde ele alınmamıştır. Bu tez gerçel değerli çok değişkenli zaman serileri verilerinin kümelenmesini ele almaktadır. Kümeleme analizinde analiz edilen veriler zaman serileri olduğunda, zaman serilerinin ve oluşturulacak kümelerin zamana olan bağımlılıkları birlikte dikkate alınmalıdır. Bu çalışmada, tek değişkenli ve çok değişkenli zaman serilerinin zamana bağlı kümelenmesi için kullanılabilecek, zaman serisi modeline dayalı bir kümeleme yaklaşımı önermekteyiz. Önerilen yaklaşım, belirli bir zaman serisi veri setinde benzer/benzemez örüntüler aramak yerine, temel olarak zamansal bağımlılık, doğrusal ve doğrusal olmayan davranışları keşfederek ve kullanarak zaman serilerinin üretme mekanizmalarına yaklaşımlar üzerinde kümelenmeye odaklanmaktadır. Ek olarak, önerilen kümelenme yaklaşımı, zamana bağlı küme değişikliklerini yakalamak için tasarlanmıştır. Önerilen yaklaşımın etkinliği hem yapay hem de gerçek veriler kullanılarak gösterilmiştir. Yapay veriler farklı senaryolar altında türetilmiştir ve gerçek veriler, çalışılan zaman serilerinin üyeliklerinin zaten bilindiği çeşitli sınıflandırma çalışmalarından elde edilmiştir. Önerilen yaklaşımın kümelenme performansları, diğer önerilen kümeleme yöntemleri ile karşılaştırılmıştır.