2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Öğe Kümelenme ve yerel ekonomik kalkınma: Batman tekstil sektöründe kümelenme düzeyinin belirlenmesi(Batman Üniversitesi Sosyal Bilimler Enstitüsü, 2020-01-09) Suçin, Tuğba; Çayın, MücahitSon zamanlarda ülkelerin/bölgelerin büyüme ve kalkınmalarında önemli bir etken olarak sektörel kümelenmeye vurgu yapılmaktadır. Özellikle firmalar için uluslararası rekabet açısından destek sağlayan kümelenme aynı zamanda; firmaların zorluk ve engeller karşısında işbirliği içerisinde olmasını sağlamaktadır. Ayrıca bölgelerin yetenek ve potansiyellerini destekleyerek ortaya çıkarılması açısından önemli bir konu haline gelmektedir. Buradan hareketle bu çalışmada Batman’da giderek artan tekstil sektöründeki kümelenme düzeyi ve bu kümelenmenin gerek firmalara gerekse yerel ekonomik kalkınmaya olan etkileri incelenmeye çalışılmıştır. Bu çerçevede Batman ili tekstil sektöründe faaliyet gösteren 117 firma örneklem olarak seçilmiş ve bu firmalara ilişkin bilgiler anket yöntemiyle elde edilmiştir. Anketten elde edilen veriler ile bazı istatistikî analizler gerçekleştirilmiştir. Yapılan analizler sonucunda Batman tekstil sektöründe kümelenme düzeyinin yok denecek kadar az olduğu görülmüştür. Ayrıca tekstil sektöründe kümelenmenin etkin olması durumunda yerel ekonomik kalkınmaya olumlu katkıda bulunacağı tespit edilmiştir.Öğe A novel approach for extracting ideal exemplars by clustering for massive time-ordered datasets(TÜBİTAK, 2017-07-30) Ertuğrul, Ömer FarukThe number and length of massive datasets have increased day by day and this yields more complex machine learning stages due to the high computational costs. To decrease the computational cost many methods were proposed in the literature such as data condensing, feature selection, and filtering. Although clustering methods are generally employed to divide samples into groups, another way of data condensing is by determining ideal exemplars (or prototypes), which can be used instead of the whole dataset. In this study, first the efficiency of traditional data condensing by clustering approach was confirmed according to obtained accuracies and condensing ratios in 9 different synthetic or real batch datasets. This approach was then improved to be employed in time-ordered datasets. In order to validate the proposed approach, 23 different real time-ordered datasets were used in experiments. Achieved mean RMSEs were 0.27 and 0.29 by employing the condensed (mean condensed ratio was 97.17%) and the whole datasets, respectively. Obtained results showed that higher accuracy rates and condensing ratios were achieved by the proposed approach.
