Made available in DSpace on 2014-06-12T18:06:23Z (GMT). No. of bitstreams: 2 arquivo7262_1.pdf: 436705 bytes, checksum: fddac2f1f4b394bc765afe6cb4e3c334 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Análise de agrupamento é um termo genérico que abrange vários métodos numéricos para estudar dados multivariados com o intuito de classificar as observações em grupos homogêneos. Neste trabalho se apresenta uma síntese dos métodos de agrupamento existentes e se realiza uma descrição detalhada de um método particular de agrupamento hierárquico aglomerativo baseado em modelos que considera um critério bayesiano para a determinação do melhor modelo e dos possíveis grupos existentes. Duas aplicações desta metodologia foram realizadas. A primeira utilizando o banco de dados do Instituto de Pesquisa Econômica e Aplicada que contém informações sobre finançãs públicas. A segunda com o banco de dados do Sistema Único de Saúde relacionadas a área de saúde. Na realização das duas foram utilizados os municípios de Pernambuco visando uma classificação dos mesmos verificando os grupos mais homogêneos, os municípios com valores extremos para cada variável. É apresentada também uma discussão dos resultados obtidos

Submitted by Pedro Henrique Rodrigues (pedro.henriquer@ufpe.br) on 2015-03-05T19:01:31Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dissertacao_mestrado_luciano_demetrio_santos_pacifico.pdf: 1298836 bytes, checksum: a33b8177660f786665b35999a48f173a (MD5) / Made available in DSpace on 2015-03-05T19:01:31Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dissertacao_mestrado_luciano_demetrio_santos_pacifico.pdf: 1298836 bytes, checksum: a33b8177660f786665b35999a48f173a (MD5) Previous issue date: 2012-01-25 / FACEPE / Métodos de agrupamento (clustering) visam organizar um conjunto de itens em grupos de tal forma que itens de um dado grupo possuam alto grau de similaridade, enquanto itens em grupos diferentes possuam alto grau de dissimilaridade. A busca por métodos que realizem essa tarefa de forma satisfatória se justifica na grande variedade de aplicações possíveis para a análise de agrupamentos, em campos como processamento de imagens, mineração de dados, ciências sociais, medicina, dentre outros. Este trabalho tem por objetivo a introdução de duas novas técnicas para a realização da tarefa de formação de agrupamentos. As abordagens propostas são algoritmos de mapas autoorganizáveis por lote baseados em distâncias adaptativas: o algoritmo de mapa autoorganizável por lote baseado em distâncias adaptativas globais (GWBSOM) e o algoritmo de mapa auto-organizável por lote baseado em distâncias adaptativas locais (LWBSOM). O mapa auto-organizável (Self-Organizing Map, ou SOM) é uma rede neural artificial não-supervisionada de aprendizado competitivo que possui propriedades de agrupamento e de redução da dimensionalidade, usando uma função de vizinhança para descobrir a estrutura topológica escondida no conjunto de dados. Os testes realizados, tanto com bases de dados reais quanto com bases de dados sintéticos, demonstraram a efetividade dos métodos propostos em relação às abordagens existentes na literatura.