Made available in DSpace on 2014-06-12T18:07:40Z (GMT). No. of bitstreams: 2
arquivo7899_1.pdf: 4375505 bytes, checksum: 717a9b9193f8e4b0cb086b64f2055308 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2004 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Nesta dissertação, o problema do agrupamento não-supervisionado de dados ou padrões é investigado,
com enfoque em dois recentes métodos fundamentados na Física Estatística. Basicamente,
estes métodos associam os elementos do banco de dados aos elementos de um sistema físico,
os quais se acoplam através de uma interação de alcance finito. O critério de similaridade entre os dados,
necessário para a formação dos agrupamentos, está associado a uma grandeza física do sistema. O primeiro
método, chamado agrupamento super-paramagnético, associa cada padrão (matematicamente definido como um ponto
no espaço de atributos D-dimensional) a uma variável de spin do modelo de Potts ferromagnético
não homogêneo. Neste caso, dois pontos pertencem ao mesmo cluster quando a correlação spin-spin,
no equilíbrio termodinâmico a uma temperatura T, está acima de um certo limiar. No segundo método,
o conjunto de dados é associado a um sistema de mapas caóticos acoplados e as classificações emergem da
sincronia destes mapas. A fundamentação teórica e as implementações computacionais destes dois métodos
são apresentadas e comparativamente discutidas. Os métodos são aplicados a três conjuntos de dados
sintéticos que, por razões de visualização, são formados por padrões de pontos em um espaço bidimensional
limitado. Os padrões são especificamente escolhidos para testar e comparar as potencialidades dos métodos
empregados. O agrupamento superparamagnético, por estar fundamentado em um sistema de spins ferromagnético,
mostra-se mais robusto com a relação aos ruídos de fundo ou background, evitando a agregação aos clusters
de possíveis "trilhas"(de caráter unidimensional) que se formam no background. Em decorrência,
o agrupamento super-paramagnético identifica os clusters através de suas densidades e correlações locais
com maior precisão, sendo apropriado para identificar e delimitar formas mais compactas eliminando ruídos
de fundo nas fronteiras. Por outro lado, o método por associação a mapas caóticos possui maior sensibilidade
para identificar estruturas com caráter unidimensional subjacentes aos ruídos de fundo, por conta das
conexões locais terem grande influência na transmissão das correlações, sendo, portanto mais eficiente na
classificação de clusters com estruturas mais complexas. Computacionalmente, o agrupamento através de mapas
caóticos mostrou-se ser é 265 vezes mais rápido que o agrupamento super-paramagnético quando aplicado aos
conjuntos de dados aqui selecionados, tendo em vista que o último carece de realizar simulações numéricas
através do método Monte Carlo estabilizando termicamente o sistema para cada valor de temperatura
considerado
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/6823 |
Date | January 2004 |
Creators | SILVA, Rogério Mendes da |
Contributors | COUTINHO, Sergio Galvao |
Publisher | Universidade Federal de Pernambuco |
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 UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds