Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/58039

Compartilhe esta página

Título: Métodos de agrupamento com pesos ponderados por grupo para dados simbólicos intervalares
Autor(es): SOARES, Eric Cardoso
Palavras-chave: Análise de Dados Simbólicos; Dados Intervalares; Métodos de Nuvens Dinâmicas; Distâncias Adaptativas; Ponderação por Grupo
Data do documento: 25-Jul-2024
Editor: Universidade Federal de Pernambuco
Citação: SOARES, Eric Cardoso. Métodos de agrupamento com pesos ponderados por grupo para dados simbólicos intervalares. 2024. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2024.
Abstract: O desenvolvimento de métodos para a Análise de Dados Simbólicos é necessário para lidar com dados de elevado grau de complexidade. Diante disso, propomos novos métodos de nuvens dinâmicas utilizando a distância City-Block para dados simbólicos intervalares. Nestes métodos, que são adaptações de dados pontuais, introduzimos o peso do cluster, que busca minimizar problemas recorrentes de agrupamento, como péssima inicialização e obtenção de um mínimo local pobre. Para a validação dos métodos propostos, foram realizados experimentos com dados sintéticos balanceados, desbalanceados e dados reais, nos quais a qualidade do agrupamento foi avaliada por meio do Índice de Rand Ajustado e da Informação Mútua Normalizada. Para os dados sintéticos, foram necessárias a realização da simulação de Monte Carlo e testes estatísticos. Os experimentos evidenciaram que o desempenho dos métodos que utilizam o peso do cluster é superior aos métodos que não o utilizam, mostrando que essa ponderação tem potencial para corrigir os problemas de inicialização e de obtenção de um mínimo local pobre.
URI: https://repositorio.ufpe.br/handle/123456789/58039
Aparece nas coleções:Dissertações de Mestrado - Estatística

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO Eric Cardoso Soares.pdf1,47 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons