Made available in DSpace on 2014-12-17T14:56:14Z (GMT). No. of bitstreams: 1
LeonardoEBS_DISSERT.pdf: 24615429 bytes, checksum: 65db01cbf658b5c63cee811e9c19bafc (MD5)
Previous issue date: 2013-07-29 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Self-organizing maps (SOM) are artificial neural networks widely used in the data
mining field, mainly because they constitute a dimensionality reduction technique given
the fixed grid of neurons associated with the network. In order to properly the partition
and visualize the SOM network, the various methods available in the literature must be
applied in a post-processing stage, that consists of inferring, through its neurons, relevant
characteristics of the data set. In general, such processing applied to the network neurons,
instead of the entire database, reduces the computational costs due to vector quantization.
This work proposes a post-processing of the SOM neurons in the input and output
spaces, combining visualization techniques with algorithms based on gravitational forces
and the search for the shortest path with the greatest reward. Such methods take
into account the connection strength between neighbouring neurons and characteristics of
pattern density and distances among neurons, both associated with the position that the
neurons occupy in the data space after training the network. Thus, the goal consists of
defining more clearly the arrangement of the clusters present in the data. Experiments
were carried out so as to evaluate the proposed methods using various artificially generated
data sets, as well as real world data sets. The results obtained were compared with
those from a number of well-known methods existent in the literature / Os mapas auto-organiz?veis (SOM) s?o redes neurais artificiais amplamente utilizadas
no campo da minera??o de dados, principalmente por se constitu?rem numa t?cnica
de redu??o de dimensionalidade dada a grade fixa de neur?nios associada ? rede. A fim
de particionar e visualizar adequadamente a rede SOM, os diversos m?todos existentes
na literatura devem ser aplicados em uma etapa de p?s-processamento nos seus neur?nios,
visando inferir caracter?sticas relevantes do conjunto de dados. Em geral, tal processamento
efetuado sobre os neur?nios da rede, ao inv?s do conjunto de dados em sua
totalidade, reduz o custo computacional, dada a quantiza??o vetorial.
Este trabalho prop?e p?s-processamentos dos neur?nios da rede SOM nos espa?os de
entrada e de sa?da, aliando t?cnicas de visualiza??o a algoritmos baseados na for?a gravitacional
e na procura do menor caminho com maior recompensa. Tais m?todos levam em
considera??o for?as de liga??o entre neur?nios vizinhos e caracter?sticas de dist?ncias e
densidade de padr?es, ambas associadas a posi??o que o neur?nio ocupa no espa?o dos
dados ap?s o treinamento da rede. Dessa forma, busca-se definir mais nitidamente a disposi??o
dos agrupamentos presentes nos dados. Experimentos foram realizados para avaliar
os m?todos propostos utilizando diversos conjuntos de dados gerados artificialmente,
assim como conjuntos de dados do mundo real. Os resultados obtidos foram comparados
com aqueles provenientes de alguns m?todos bem conhecidos existentes na literatura
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15479 |
| Date | 29 July 2013 |
| Creators | Silva, Leonardo Enzo Brito da |
| Contributors | CPF:53820126449, http://lattes.cnpq.br/9745845064013172, Martins, Allan de Medeiros, CPF:01979076448, http://lattes.cnpq.br/4402694969508077, Gorgonio, Flavius da Luz e, CPF:71459715420, http://lattes.cnpq.br/7375286161719016, Peres, Sarajane Marques, CPF:94364320978, http://lattes.cnpq.br/6265936760089757, Costa, Jos? Alfredo Ferreira |
| Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es |
| 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 0.0027 seconds