Made available in DSpace on 2014-12-17T15:48:11Z (GMT). No. of bitstreams: 1
HeloinaAA_DISSERT.pdf: 1661373 bytes, checksum: df9fe39185a27ded472f2f72284acdf6 (MD5)
Previous issue date: 2014-02-24 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Data clustering is applied to various fields such as data mining, image processing and
pattern recognition technique. Clustering algorithms splits a data set into clusters such
that elements within the same cluster have a high degree of similarity, while elements
belonging to different clusters have a high degree of dissimilarity. The Fuzzy C-Means
Algorithm (FCM) is a fuzzy clustering algorithm most used and discussed in the literature.
The performance of the FCM is strongly affected by the selection of the initial centers of
the clusters. Therefore, the choice of a good set of initial cluster centers is very important
for the performance of the algorithm. However, in FCM, the choice of initial centers is
made randomly, making it difficult to find a good set. This paper proposes three new
methods to obtain initial cluster centers, deterministically, the FCM algorithm, and can
also be used in variants of the FCM. In this work these initialization methods were applied
in variant ckMeans.With the proposed methods, we intend to obtain a set of initial centers
which are close to the real cluster centers. With these new approaches startup if you want
to reduce the number of iterations to converge these algorithms and processing time
without affecting the quality of the cluster or even improve the quality in some cases.
Accordingly, cluster validation indices were used to measure the quality of the clusters
obtained by the modified FCM and ckMeans algorithms with the proposed initialization
methods when applied to various data sets / Agrupamento de dados ? uma t?cnica aplicada a diversas ?reas como minera??o de dados,
processamento de imagens e reconhecimento de padr?es. Algoritmos de agrupamento
particionam um conjunto de dados em grupos, de tal forma, que elementos dentro de um
mesmo grupo tenham alto grau de similaridade, enquanto elementos pertencentes a diferentes
grupos tenham alto grau de dissimilaridade. O algoritmo Fuzzy C-Means (FCM)
? um dos algoritmos de agrupamento fuzzy de dados mais utilizados e discutidos na literatura.
O desempenho do FCM ? fortemente afetado pela sele??o dos centros iniciais dos
grupos. Portanto, a escolha de um bom conjunto de centros iniciais ? muito importante
para o desempenho do algoritmo. No entanto, no FCM, a escolha dos centros iniciais ?
feita de forma aleat?ria, tornando dif?cil encontrar um bom conjunto. Este trabalho prop?e
tr?s novos m?todos para obter os centros iniciais dos grupos, de forma determin?stica,
no algoritmo FCM, e que podem tamb?m ser usados em variantes do FCM. Neste trabalho
esses m?todos de inicializa??o foram aplicados na variante ckMeans. Com os m?todos
propostos, pretende-se obter um conjunto de centros iniciais que esteja pr?ximo dos centros
reais dos grupos. Com estas novas abordagens de inicializa??o deseja-se reduzir o
n?mero de itera??es para estes algoritmos convergirem e o tempo de processamento, sem
afetar a qualidade do agrupamento ou at? melhorar a qualidade em alguns casos. Neste
sentido, foram utilizados ?ndices de valida??o de agrupamento para medir a qualidade dos
agrupamentos obtidos pelos algoritmos FCM e ckMeans, modificados com os m?todos de
inicializa??o propostos, quando aplicados a diversas bases de dados
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/18109 |
Date | 24 February 2014 |
Creators | Arnaldo, Helo?na Alves |
Contributors | CPF:90688384404, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4781417E7, Canuto, Anne Magaly de Paula, CPF:66487099449, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8, Santiago, Regivan Hugo Nunes, CPF:30680581200, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790032Z4, Dimuro, Gra?aliz Pereira, CPF:25925326091, http://lattes.cnpq.br/9414212573217453, Bedregal, Benjamin Ren? Callejas |
Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Sistemas e Computa??o, UFRN, BR, Ci?ncia da Computa??o |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
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 0.0022 seconds