Made available in DSpace on 2014-06-12T15:56:12Z (GMT). No. of bitstreams: 2
arquivo2764_1.pdf: 1664422 bytes, checksum: 79eaee65874c2baef2a7f616acbbb579 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2010 / Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco / A proposta desta dissertação é a criação de sistemas de reconhecimento de padrões baseada em abordagens híbridas, com o intuito de reduzir o tempo computacional e
melhorar o desempenho quando comparado com outras técnicas de agrupamento.
Esta dissertação propõe os métodos de agrupamentos SOMAK, que é a combinação dos Mapas Auto-Organizáveis (SOM) seguido do algoritmo Ant Kmédias (AK), ASCAK,
composto pelos os algoritmos ASCA e AK e SOINAK, composto pela Rede Neural Incremental
Auto-Organizável (SOINN) e AK. SOM é uma Rede Neural Artificial (RNA)
que permite a visualização de dados de alta dimensionalidade e implementa um mapeamento
ordenado de uma distribuição de alta dimensão dentro de uma grade regular de
baixa dimensão. ASCA e AK são algoritmos de agrupamentos baseados na otimização
da colônia de formigas (ACO). ACO é uma abordagem meta-heurística recentemente
proposta para resolver problemas de difícil otimização combinatória. SOINN é uma rede
neural de representação topológica útil para solucionar problemas de aprendizagem não
supervisionada, gerando grupos de dados correlacionados e pode ser capaz de realizar
este aprendizado de forma incremental.
SOMAK, ASCAK e SOINAK empregam SOM, ASCA e a rede neural SOINN respectivamente
como classificadores de características sobre os dados de entrada, ao invés
de realizar o agrupamento dos dados diretamente. Primeiro, um conjunto grande de
protótipos é formado pela rede neural SOM, o algoritmo ASCA e a rede neural incremental
SOINN. Na segunda etapa, os protótipos são interpretados e então combinados para
formar os agrupamentos finais ou definitivos.
O benefício dos métodos propostos é a redução de ruídos. O algoritmo AK modifica
o algoritmo K-médias localizando os objetos em seguida agrupando-os de acordo com
probabilidades que são atualizadas pelo feromônio.
SOINAK tem apresentado um melhor desempenho quando comparado com algumas
outras técnicas híbridas de agrupamento, diferentemente do desempenho alcançado pelos
métodos de agrupamentos SOMAK e ASCAK
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/2281 |
| Date | 31 January 2010 |
| Creators | SOUZA, Jefferson Rodrigo de |
| Contributors | LUDERMIR, Teresa Bernarda |
| 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 0.0022 seconds