Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/1904
Title: Métodos de cluster para intervalos usando algoritmos do tipo nuvens dinâmicas
Authors: Maria Cardoso Rodrigues de Souza, Renata
Keywords: Analise de Dados Simbolicos; Algoritmos de Nuvens Dinâmicas; Dados de Tipo Intervalo; Distâncias Adaptativas
Issue Date: 2003
Publisher: Universidade Federal de Pernambuco
Citation: Maria Cardoso Rodrigues de Souza, Renata; de Assis Tenório Carvalho, Francisco. Métodos de cluster para intervalos usando algoritmos do tipo nuvens dinâmicas. 2003. Tese (Doutorado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2003.
Abstract: A análise de dados simbólicos (Symbolic Data Analysis) é uma nova abordagem na área de descoberta automática de conhecimentos que visa desenvolver métodos para dados descritos por varáveis onde existem conjuntos de categorias, intervalos ou distribuições de probabilidade nas células das tabelas de dados. O objetivo deste trabalho é introduzir métodos de cluster para intervalos usando algoritmos de nuvens dinâmicas. Estes algoritmos consistem em obter, simultaneamente, uma partição em classes e identificar um conjunto de representantes das classes minimizando um critério que mede a adequação entre as classes e os protótipos. Os algoritmos de nuvens dinâmicas com distâncias adaptativas também encontram uma partição e um conjunto de representantes minimizando uma função critério, mas em cada interação existe uma distância diferente para comparar cada classe com o seu protótipo. A vantagem das distâncias adaptativas é que o algoritmo de agrupamento é capaz de reconhecer classes de formas e tamanhos diferentes. Neste trabalho, foi desenvolvido um método de nuvens dinâmicas usando a distância L1 para intervalos. Além deste método, foram também introduzidos três métodos com, respectivamente, as distâncias L1 (City-Block), L2 (Euclidiana) e L¥ (Máximo) adaptativas para intervalos. Para validar os métodos, foram realizados experimentos com um conjunto de espécies de peixes e dois conjuntos de dados artificiais de intervalos com diferentes graus de dificuldade de classificação. Os resultados fornecidos pelos métodos têm sido avaliados por um índice externo na estrutura de uma experiência Monte Carlo e testes estatísticos evidenciam que o desempenho dos métodos adaptativos é superior ao dos métodos não adaptativos
URI: https://repositorio.ufpe.br/handle/123456789/1904
Appears in Collections:Teses de Doutorado - Ciência da Computação

Files in This Item:
File Description SizeFormat 
arquivo4841_1.pdf1.31 MBAdobe PDFView/Open


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.