Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/2281
Title: Métodos de agrupamentos em dois estágios aplicados a problemas de reconhecimento de padrões
Authors: SOUZA, Jefferson Rodrigo de
Keywords: Sistemas Híbridos Inteligentes; Rede Neural Incremental Auto-Organizável, Otimização Baseada em Colônia de Formigas; Aprendizagem Não Supervisionada
Issue Date: 31-Jan-2010
Publisher: Universidade Federal de Pernambuco
Citation: Rodrigo de Souza, Jefferson; Bernarda Ludermir, Teresa. Métodos de agrupamentos em dois estágios aplicados a problemas de reconhecimento de padrões. 2010. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2010.
Abstract: A proposta desta dissertação é a criação de sistemas de reconhecimento de padrões baseada em abordagens híbridas, com o intuito de reduzir o tempo computacional e melhorar o desempenho quando comparado com outras técnicas de agrupamento. Esta dissertação propõe os métodos de agrupamentos SOMAK, que é a combinação dos Mapas Auto-Organizáveis (SOM) seguido do algoritmo Ant Kmédias (AK), ASCAK, composto pelos os algoritmos ASCA e AK e SOINAK, composto pela Rede Neural Incremental Auto-Organizável (SOINN) e AK. SOM é uma Rede Neural Artificial (RNA) que permite a visualização de dados de alta dimensionalidade e implementa um mapeamento ordenado de uma distribuição de alta dimensão dentro de uma grade regular de baixa dimensão. ASCA e AK são algoritmos de agrupamentos baseados na otimização da colônia de formigas (ACO). ACO é uma abordagem meta-heurística recentemente proposta para resolver problemas de difícil otimização combinatória. SOINN é uma rede neural de representação topológica útil para solucionar problemas de aprendizagem não supervisionada, gerando grupos de dados correlacionados e pode ser capaz de realizar este aprendizado de forma incremental. SOMAK, ASCAK e SOINAK empregam SOM, ASCA e a rede neural SOINN respectivamente como classificadores de características sobre os dados de entrada, ao invés de realizar o agrupamento dos dados diretamente. Primeiro, um conjunto grande de protótipos é formado pela rede neural SOM, o algoritmo ASCA e a rede neural incremental SOINN. Na segunda etapa, os protótipos são interpretados e então combinados para formar os agrupamentos finais ou definitivos. O benefício dos métodos propostos é a redução de ruídos. O algoritmo AK modifica o algoritmo K-médias localizando os objetos em seguida agrupando-os de acordo com probabilidades que são atualizadas pelo feromônio. SOINAK tem apresentado um melhor desempenho quando comparado com algumas outras técnicas híbridas de agrupamento, diferentemente do desempenho alcançado pelos métodos de agrupamentos SOMAK e ASCAK
URI: https://repositorio.ufpe.br/handle/123456789/2281
Appears in Collections:Dissertações de Mestrado - Ciência da Computação

Files in This Item:
File Description SizeFormat 
arquivo2764_1.pdf1.63 MBAdobe PDFView/Open


This item is protected by original copyright



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