Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-01-12T13:24:40Z
No. of bitstreams: 1
HulianeMedeirosDaSilva_DISSERT.pdf: 1790198 bytes, checksum: 7bff972160b98509ed9a2c86472d6cd2 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-01-16T14:40:28Z (GMT) No. of bitstreams: 1
HulianeMedeirosDaSilva_DISSERT.pdf: 1790198 bytes, checksum: 7bff972160b98509ed9a2c86472d6cd2 (MD5) / Made available in DSpace on 2017-01-16T14:40:28Z (GMT). No. of bitstreams: 1
HulianeMedeirosDaSilva_DISSERT.pdf: 1790198 bytes, checksum: 7bff972160b98509ed9a2c86472d6cd2 (MD5)
Previous issue date: 2016-03-04 / O presente trabalho est? inserido na linha de pesquisa de aprendizado de m?quina, que ? um campo de pesquisa associado ? Intelig?ncia Artificial e dedicado ao desenvolvimento de t?cnicas que, permitem ao computador aprender com experi?ncias passadas. Em aprendizado de m?quina, h? diferentes tarefas de aprendizado que pertencem a determinado paradigma de aprendizado, entre elas podemos citar agrupamento de dados, que pertencente ao paradigma de aprendizado n?o supervisionado. Diversos algoritmos de agrupamento v?m sendo utilizados com sucesso em diferentes aplica??es. No entanto, cada algoritmo possui suas pr?prias caracter?sticas e limita??es, que podem gerar diferentes solu??es para um mesmo conjunto de dados. Dessa forma, combinar v?rios m?todos de agrupamento (comit?s de agrupamento), capaz de aproveitar as caracter?sticas de cada algoritmo ? uma abordagem bastante utilizada na tentativa de superar as limita??es de cada t?cnica de agrupamento. Nesse contexto, diversas abordagens t?m sido propostas na literatura no intuito de otimizar, ou seja, de melhorar cada vez mais as solu??es encontradas. Dessa forma, o objetivo deste trabalho ? propor uma abordagem para otimiza??o de comit?s de agrupamento, por meio da fun??o consenso, utilizando t?cnicas inspiradas na natureza. Essa abordagem consiste na forma??o de um comit? de agrupamento heterog?neo, de modo que as parti??es iniciais s?o combinadas por um m?todo que utilizada o algoritmo de otimiza??o Coral Reefs Optimization com o m?todo de co-associa??o, resultando em uma parti??o final. Essa estrat?gia ? avaliada atrav?s dos ?ndices de avalia??o de agrupamento, Dunn, Calinski-Harabasz, Dom e Jaccard, no intuito de analisar a viabilidade da abordagem proposta. Finalmente, o desempenho da abordagem proposta ? comparado com duas outras abordagens, s?o elas: algoritmo gen?tico com o m?todo de co-associa??o e o m?todo de co-associa??o tradicional. Essa compara??o ? feita atrav?s da utiliza??o de testes estat?sticos, especificamente teste de Friedman.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/21651 |
| Date | 04 March 2016 |
| Creators | Silva, Huliane Medeiros da |
| Contributors | 66487099449, Carvalho, Bruno Motta de, 79228860472, Gorgonio, Flavius da Luz e, 71459715420, Xavier J?nior, Jo?o Carlos, 79220070430, Santos, Araken de Medeiros, 00739803409, Canuto, Anne Magaly de Paula |
| Publisher | PROGRAMA DE P?S-GRADUA??O EM SISTEMAS E COMPUTA??O, UFRN, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds