Yıl 2018, Cilt 49, Sayı 1, Sayfalar 37 - 43 2018-01-10

Data mining aproach for prediction of fruit color properties
Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı

Bünyamin DEMİR [1] , Feyza GÜRBÜZ [2] , İkbal ESKİ [3] , Zeynel Abidin KUŞ [4]

163 315

Color is an important feature that dictates the quality and consumer preferences of many fresh fruits and vegetables. In color measurement of fruits, the CIE L*a*b* color space is widely used since it is a uniform color scale. In this study, raw data for the color features of apple varieties were divided into two parts as test and train data in the first stage, analyses were performed on train data and tests were performed on test data. The rules obtained by applying the Find laws algorithm were used to estimate the color index (CI), hue angle (h *) and Chroma (C *) values. In the second stage, raw data were classified by Strict and Liberal options of cluster analysis. Find Laws algorithm was applied to each cluster and 7 different prediction rules were obtained for CI, h*and C* parameters. R2 values of the rules were compared and the rules with the most accurate outcomes were identified. 


Renk, birçok taze meyve ve sebzenin kalitesini ve tüketici tercihlerini belirleyen önemli bir özelliktir. Meyvelerin renk ölçümünde, uniform renk ölçeği nedeniyle CIE L*a*b* en çok kullanılan renk uzayıdır. Bu çalışmada elma çeşitlerinin renk özelliklerine ait ham veriler ilk aşamada test ve eğitim verileri olarak iki kısma ayrılmış, eğitim verileri üzerinde analizler yapılmış ve test verileri ise testlerde kullanılmıştır. Find laws algoritması uygulanarak elde edilen kurallar Color index (CI), hue angle (h*) and Chroma (C*) değerlerini tahmin etmek için kullanılmıştır. İkinci aşamada ise ham veriler cluster analizine tabi tutularak Strict ve Liberal seçenekleri ile sınıflandırılmıştır. Find laws algoritması her bir sınıfa tek tek uygulanıp, her bir CI, h*, C* parametreleri için elde edilen 7 farklı tahmin kuralı R2 değerlerine göre karşılaştırılarak en yüksek doğruluğa sahip kurallar tespit edilmiştir. 

  • Amir Ahmad, Sarosh Hashmi, K-Harmonic means type clustering algorithm for mixed datasets, Applied Soft Computing 48 (2016) 39–49.
  • A.K. Jain, R.C. Dubes, Algorithms for Clustering Data, Prentice-Hall, Inc., 1988.
  • Giuliano Armano, Mohammad Reza Farmani, Multiobjective clustering analysis using particle swarm optimization, Expert Systems With Applications 55 (2016) 184–193.
  • Han, J., Kamber, M. (2000). Data mining: concepts and techniques, the Morgan Kaufmann Series in data management systems. Morgan Kaufmann.
  • Cheng, H. , Yang, S. , & Cao, J. (2013). Dynamic genetic algorithms for the dynamic load balanced clustering problem in mobile ad hoc networks. Expert Systems with Applications, 40 (4), 1381–1392.
  • Kao, Y.-T., Zahara, E., Kao, I.W. (2008). A hybridized approach to data clustering. Expert Systems with Applications, 34 (3), 1754–1762. doi: 10.1016/j.eswa.2007. 01.028.
  • Leung, Y., Zhang, J. S., Xu, Z. B. (2000). Clustering by scale-space filtering. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22 (12), 1396–1410. doi: 10.1109/34.895974 .
  • Nguyen, C. D., Cios, K. J. (2008). Gakrem: a novel hybrid clustering algorithm. Information Sciences, 178 (22), 4205–4227. doi: 10.1016/j.ins.2008.07.016.
  • Qiu, H., Xu, Y., Gao, L., Li, X., Chi, L. (2016). Multi-stage design space reduction and metamodeling optimization method based on self-organizing maps and fuzzy clustering. Expert Systems with Applications, 46, 180–195.
  • Saha, S., Alok, A. K., Ekbal, A. (2016). Brain image segmentation using semi- supervised clustering. Expert Systems with Applications, 52, 50–63.
  • Sahoo, A. K., Zuo, M. J., & Tiwari, M. (2012). A data clustering algorithm for stratified data partitioning in artificial neural network. Expert Systems with Applications, 39 (8), 7004–7014.
  • Thong, N. T., et al. (2015). HIFCF: An effective hybrid model between picture fuzzy clustering and intuitionistic fuzzy recommender systems for medical diagnosis. Expert Systems With Applications, 42 (7), 3682–3701.
  • Feyza Gürbüz, Lale Özbakır, Hüseyin Yapıcı, 2011. Data mining and preprocessing application on component reports of an airline company in Turkey. Expert Systems with Applications, 38, 6618–6626.
  • User Manuel of PolyAnalyst 6.5, April 2007.
Konular Yaşam Bilimleri
Dergi Bölümü ARAŞTIRMALAR
Yazarlar

Yazar: Bünyamin DEMİR (Sorumlu Yazar)
Kurum: MERSİN ÜNİVERSİTESİ
Ülke: Turkey


Yazar: Feyza GÜRBÜZ
Kurum: ERCİYES ÜNİVERSİTESİ

Yazar: İkbal ESKİ

Yazar: Zeynel Abidin KUŞ
Kurum: ERCİYES ÜNİVERSİTESİ

Bibtex @araştırma makalesi { ataunizfd365231, journal = {Atatürk Üniversitesi Ziraat Fakültesi Dergisi}, issn = {1300-9036}, address = {Atatürk Üniversitesi}, year = {2018}, volume = {49}, pages = {37 - 43}, doi = {10.17097/ataunizfd.365231}, title = {Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı}, key = {cite}, author = {ESKİ, İkbal and KUŞ, Zeynel Abidin and GÜRBÜZ, Feyza and DEMİR, Bünyamin} }
APA DEMİR, B , GÜRBÜZ, F , ESKİ, İ , KUŞ, Z . (2018). Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı. Atatürk Üniversitesi Ziraat Fakültesi Dergisi, 49 (1), 37-43. DOI: 10.17097/ataunizfd.365231
MLA DEMİR, B , GÜRBÜZ, F , ESKİ, İ , KUŞ, Z . "Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı". Atatürk Üniversitesi Ziraat Fakültesi Dergisi 49 (2018): 37-43 <http://dergipark.gov.tr/ataunizfd/issue/34085/365231>
Chicago DEMİR, B , GÜRBÜZ, F , ESKİ, İ , KUŞ, Z . "Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı". Atatürk Üniversitesi Ziraat Fakültesi Dergisi 49 (2018): 37-43
RIS TY - JOUR T1 - Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı AU - Bünyamin DEMİR , Feyza GÜRBÜZ , İkbal ESKİ , Zeynel Abidin KUŞ Y1 - 2018 PY - 2018 N1 - doi: 10.17097/ataunizfd.365231 DO - 10.17097/ataunizfd.365231 T2 - Atatürk Üniversitesi Ziraat Fakültesi Dergisi JF - Journal JO - JOR SP - 37 EP - 43 VL - 49 IS - 1 SN - 1300-9036- M3 - doi: 10.17097/ataunizfd.365231 UR - http://dx.doi.org/10.17097/ataunizfd.365231 Y2 - 2018 ER -
EndNote %0 Atatürk Üniversitesi Ziraat Fakültesi Dergisi Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı %A Bünyamin DEMİR , Feyza GÜRBÜZ , İkbal ESKİ , Zeynel Abidin KUŞ %T Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı %D 2018 %J Atatürk Üniversitesi Ziraat Fakültesi Dergisi %P 1300-9036- %V 49 %N 1 %R doi: 10.17097/ataunizfd.365231 %U 10.17097/ataunizfd.365231
ISNAD DEMİR, Bünyamin , GÜRBÜZ, Feyza , ESKİ, İkbal , KUŞ, Zeynel Abidin . "Meyve renk özelliklerini tahmin etmek için veri madenciliği yaklaşımı". Atatürk Üniversitesi Ziraat Fakültesi Dergisi 49 / 1 (Ocak 2018): 37-43. http://dx.doi.org/10.17097/ataunizfd.365231