The research presented in this thesis is an interdisciplinary work that combines computerscience and marine science. It provides new computer based approaches, techniques andtechnologies for (i) modeling, collecting, archiving marine data, (ii) analyzing and miningmarine data by using data mining techniques and (iii) visualizing marine data. It presentsmy efforts on the collecting physical, biological, chemical marine data, some explanationsabout the visualization of marine data on the map, my works on the construction ofdecision trees to classify physical marine data. This thesis introduces two new data miningalgorithms: one is for clustering spatio-temporal data and the other is for spatio-temporaloutlier detection in data warehouses. It also proposes a new approach: web service-basedparallel clustering which includes the parallel execution of web services for discoveringclusters in large data warehouses.In addition to new clustering algorithm, this thesis also presents the validation andevaluation of the clustering results of this clustering algorithm. It shows the mathematicalquality and reliability of the clustering results by using a cluster validation technique. Italso presents the sensitivity analysis of the new clustering algorithm to the inputparameters.

Bu tezde sunulan çalışma bilgisayar bilimleri ve deniz bilimlerini birleştiren disiplinlerarası bir çalışmadır. Bu tez (i) deniz verilerinin modellenmesi, toplanması, arşivlenmesi (ii)deniz verileri üzerinde veri madenciliği tekniklerinin kullanılması ve analizlerin yapılması(iii) deniz verilerinin görselleştirilmesi için yeni bilgisayar tabanlı yaklaşımlar, teknikler veteknolojiler sağlamaktadır. Bu tez fiziksel, kimyasal ve biyolojik deniz verilerinintoplanması için yaptığım çabaları, deniz verilerinin haritalar üzerinde görselleştirilmesiüzerine bazı açıklamaları, fiziksel deniz verileri için oluşturulan karar ağaçlarınısunmaktadır. Ayrıca iki tane yeni veri madenciliği algoritmasını tanıtmaktadır: bunlardanbir tanesi konumsal-zamansal verilerin kümelenmesi için, diğeri ise veri ambarlarındakonumsal-zamansal sıra dışı verilerin tespiti içindir. Bu tez ayrıca yeni bir yaklaşımdaönermektedir: web servis tabanlı paralel kümeleme. Bu yöntem büyük veritabanlarındakümelerin keşfedilmesine yönelik web servislerin paralel olarak çalıştırmasınıöngörmektedir.Bu tez yeni kümeleme algoritmasına ek olarak bu algoritma ile elde edilen kümelemesonuçlarının doğruluğunu ve geçerliliğini değerlendirir. Bir küme doğrulama tekniğikullanarak matematiksel kalitesini ve güvenilirliliğini gösterir. Bu tez aynı zamanda yenikümeleme algoritmasının girdi değerlerine olan duyarlılık analizini de sunmaktadır.