Agrupamento espectral aglomerativo: uma proposta de algoritmo

Detalhes bibliográficos
Autor(a) principal: Garcia, Luciano Garim
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da FURG (RI FURG)
Texto Completo: http://repositorio.furg.br/handle/1/9984
Resumo: Neste trabalho é apresentado o método de agrupamento espectral baseado em uma etapa de aglomeração dos k-menores autovetores da matriz Laplaciana, que representa o conjunto de dados a partir do grafo de similaridade. O algoritmo proposto é aplicado em diversos conjuntos de dados de formatos geométricos distintos. Os resultados são comparados aos agrupamentos obtidos pelo método k-médias e o método de agrupamento espectral via k-médias. Para medir a performance dos algoritmos é utilizada a medida-F e os resultados são apresentados em forma de tabela e gráfico. Após estudar as perfomances dos três algoritmos utilizados, conclui-se que o método apresentado neste trabalho é uma alternativa promissora ao método espectral via k-médias.
id FURG_2f27c80f379894184b9802f2b5ad304a
oai_identifier_str oai:repositorio.furg.br:1/9984
network_acronym_str FURG
network_name_str Repositório Institucional da FURG (RI FURG)
repository_id_str
spelling Garcia, Luciano GarimEmmendorfer, Leonardo Ramos2021-12-17T14:13:51Z2021-12-17T14:13:51Z2017GARCIA, Luciano Garim. Agrupamento espectral aglomerativo : uma proposta de algoritmo. 2017. 62 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.http://repositorio.furg.br/handle/1/9984Neste trabalho é apresentado o método de agrupamento espectral baseado em uma etapa de aglomeração dos k-menores autovetores da matriz Laplaciana, que representa o conjunto de dados a partir do grafo de similaridade. O algoritmo proposto é aplicado em diversos conjuntos de dados de formatos geométricos distintos. Os resultados são comparados aos agrupamentos obtidos pelo método k-médias e o método de agrupamento espectral via k-médias. Para medir a performance dos algoritmos é utilizada a medida-F e os resultados são apresentados em forma de tabela e gráfico. Após estudar as perfomances dos três algoritmos utilizados, conclui-se que o método apresentado neste trabalho é uma alternativa promissora ao método espectral via k-médias.In this work we present the spectral clustering based on an agglomeration step in the k-smallest eigenvectors in the Laplacian matrix, that represents the dataset from the similarity graph. The proposed algorithm is applied in many datasets of different geometric formats and the results are compared to the k-means method clustering and the k-means spectral clustering method. To measure the performance of the algorithms, the F-measure is used and the results are presented in table and graph form. After look at the performances from the three methods used, it is concluded that the presented method is an alternative approach to the k-means spectral clustering method.porAgrupamentoEspectralParticionamentoAglomerativoClusteringSpectralPartitioningAgglomerativeAgrupamento espectral aglomerativo: uma proposta de algoritmoAgglomerative Spectral Clustering: A Proposed Al- gorithminfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.furg.br/bitstream/1/9984/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open accessORIGINAL0000011511.pdf0000011511.pdfapplication/pdf1255874https://repositorio.furg.br/bitstream/1/9984/1/0000011511.pdf7b61eefc44d8fb15921fa05cbe29ef81MD51open access1/99842021-12-17 11:13:51.733open accessoai:repositorio.furg.br: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Repositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestopendoar:2021-12-17T14:13:51Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)false
dc.title.pt_BR.fl_str_mv Agrupamento espectral aglomerativo: uma proposta de algoritmo
dc.title.alternative.pt_BR.fl_str_mv Agglomerative Spectral Clustering: A Proposed Al- gorithm
title Agrupamento espectral aglomerativo: uma proposta de algoritmo
spellingShingle Agrupamento espectral aglomerativo: uma proposta de algoritmo
Garcia, Luciano Garim
Agrupamento
Espectral
Particionamento
Aglomerativo
Clustering
Spectral
Partitioning
Agglomerative
title_short Agrupamento espectral aglomerativo: uma proposta de algoritmo
title_full Agrupamento espectral aglomerativo: uma proposta de algoritmo
title_fullStr Agrupamento espectral aglomerativo: uma proposta de algoritmo
title_full_unstemmed Agrupamento espectral aglomerativo: uma proposta de algoritmo
title_sort Agrupamento espectral aglomerativo: uma proposta de algoritmo
author Garcia, Luciano Garim
author_facet Garcia, Luciano Garim
author_role author
dc.contributor.author.fl_str_mv Garcia, Luciano Garim
dc.contributor.advisor1.fl_str_mv Emmendorfer, Leonardo Ramos
contributor_str_mv Emmendorfer, Leonardo Ramos
dc.subject.por.fl_str_mv Agrupamento
Espectral
Particionamento
Aglomerativo
Clustering
Spectral
Partitioning
Agglomerative
topic Agrupamento
Espectral
Particionamento
Aglomerativo
Clustering
Spectral
Partitioning
Agglomerative
description Neste trabalho é apresentado o método de agrupamento espectral baseado em uma etapa de aglomeração dos k-menores autovetores da matriz Laplaciana, que representa o conjunto de dados a partir do grafo de similaridade. O algoritmo proposto é aplicado em diversos conjuntos de dados de formatos geométricos distintos. Os resultados são comparados aos agrupamentos obtidos pelo método k-médias e o método de agrupamento espectral via k-médias. Para medir a performance dos algoritmos é utilizada a medida-F e os resultados são apresentados em forma de tabela e gráfico. Após estudar as perfomances dos três algoritmos utilizados, conclui-se que o método apresentado neste trabalho é uma alternativa promissora ao método espectral via k-médias.
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2021-12-17T14:13:51Z
dc.date.available.fl_str_mv 2021-12-17T14:13:51Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv GARCIA, Luciano Garim. Agrupamento espectral aglomerativo : uma proposta de algoritmo. 2017. 62 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.
dc.identifier.uri.fl_str_mv http://repositorio.furg.br/handle/1/9984
identifier_str_mv GARCIA, Luciano Garim. Agrupamento espectral aglomerativo : uma proposta de algoritmo. 2017. 62 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.
url http://repositorio.furg.br/handle/1/9984
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da FURG (RI FURG)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Repositório Institucional da FURG (RI FURG)
collection Repositório Institucional da FURG (RI FURG)
bitstream.url.fl_str_mv https://repositorio.furg.br/bitstream/1/9984/2/license.txt
https://repositorio.furg.br/bitstream/1/9984/1/0000011511.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
7b61eefc44d8fb15921fa05cbe29ef81
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv
_version_ 1798313603642687488

Registros relacionados