Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos

Detalhes bibliográficos
Autor(a) principal: Izidoro, Sandro Carvalho
Data de Publicação: 2005
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/15032
Resumo: The cluster analysis has been used successfully in several research areas with the objective of grouping similar data according to their features. An efficient technique in cluster analysis is the use of the probability density function that presents the number of clusters graphically. The genetic algorithms were used with success to inform the number of clusters in a group of unidimensional data. The existent methods for the cluster analysis in multidimensional data need an approximate number of clusters to locate them. The acting of these methods depends directly on this number of clusters. The purpose of this work is to use the genetic algorithms to predict the number of clusters in multidimensional data.
id UFLA_b1876bb10970272be61f39621ce47e14
oai_identifier_str oai:localhost:1/15032
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricosDetermination of the number of clusters in multidimensional data sets using genetic algorithmsInteligência artificialAnálise de agrupamentosAlgoritmos genéticosFunção de densidade de probabilidadeArtificial intelligenceCluster analysisGenetic algorithmsProbability density functionThe cluster analysis has been used successfully in several research areas with the objective of grouping similar data according to their features. An efficient technique in cluster analysis is the use of the probability density function that presents the number of clusters graphically. The genetic algorithms were used with success to inform the number of clusters in a group of unidimensional data. The existent methods for the cluster analysis in multidimensional data need an approximate number of clusters to locate them. The acting of these methods depends directly on this number of clusters. The purpose of this work is to use the genetic algorithms to predict the number of clusters in multidimensional data.A análise de agrupamentos tem sido utilizada com sucesso nas mais diversas áreas de pesquisa com o objetivo de agrupar dados semelhantes segundo suas características. Uma técnica eficiente na análise de agrupamentos é a utilização da função de densidade de probabilidade que apresenta o número de agrupamentos graficamente. Os algoritmos genéticos foram utilizados com sucesso para informar o número de agrupamentos em um conjunto de dados unidimensional. Os métodos existentes para a análise de agrupamentos em dados multidimensionais necessitam de um número aproximado de agrupamentos para localizá-los. O desempenho destes métodos depende diretamente deste número de agrupamentos. O propósito deste trabalho é utilizar os algoritmos genéticos para predizer o número de agrupamentos em dados multidimensionais.Universidade Federal de Lavras (UFLA)2005-12-012017-08-01T21:08:49Z2017-08-01T21:08:49Z2017-08-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/pdfIZIDORO, S. C. Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos. INFOCOMP Journal of Computer Science, Lavras, v. 4, n. 4, p. 67-72, Dec. 2005.http://repositorio.ufla.br/jspui/handle/1/15032INFOCOMP; Vol 4 No 4 (2005): December, 2005; 67-721982-33631807-4545reponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLAporhttp://www.dcc.ufla.br/infocomp/index.php/INFOCOMP/article/view/113/98Copyright (c) 2016 INFOCOMP Journal of Computer ScienceAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessIzidoro, Sandro Carvalho2021-09-06T23:55:10Zoai:localhost:1/15032Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2021-09-06T23:55:10Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
Determination of the number of clusters in multidimensional data sets using genetic algorithms
title Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
spellingShingle Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
Izidoro, Sandro Carvalho
Inteligência artificial
Análise de agrupamentos
Algoritmos genéticos
Função de densidade de probabilidade
Artificial intelligence
Cluster analysis
Genetic algorithms
Probability density function
title_short Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
title_full Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
title_fullStr Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
title_full_unstemmed Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
title_sort Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
author Izidoro, Sandro Carvalho
author_facet Izidoro, Sandro Carvalho
author_role author
dc.contributor.author.fl_str_mv Izidoro, Sandro Carvalho
dc.subject.por.fl_str_mv Inteligência artificial
Análise de agrupamentos
Algoritmos genéticos
Função de densidade de probabilidade
Artificial intelligence
Cluster analysis
Genetic algorithms
Probability density function
topic Inteligência artificial
Análise de agrupamentos
Algoritmos genéticos
Função de densidade de probabilidade
Artificial intelligence
Cluster analysis
Genetic algorithms
Probability density function
description The cluster analysis has been used successfully in several research areas with the objective of grouping similar data according to their features. An efficient technique in cluster analysis is the use of the probability density function that presents the number of clusters graphically. The genetic algorithms were used with success to inform the number of clusters in a group of unidimensional data. The existent methods for the cluster analysis in multidimensional data need an approximate number of clusters to locate them. The acting of these methods depends directly on this number of clusters. The purpose of this work is to use the genetic algorithms to predict the number of clusters in multidimensional data.
publishDate 2005
dc.date.none.fl_str_mv 2005-12-01
2017-08-01T21:08:49Z
2017-08-01T21:08:49Z
2017-08-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv IZIDORO, S. C. Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos. INFOCOMP Journal of Computer Science, Lavras, v. 4, n. 4, p. 67-72, Dec. 2005.
http://repositorio.ufla.br/jspui/handle/1/15032
identifier_str_mv IZIDORO, S. C. Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos. INFOCOMP Journal of Computer Science, Lavras, v. 4, n. 4, p. 67-72, Dec. 2005.
url http://repositorio.ufla.br/jspui/handle/1/15032
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://www.dcc.ufla.br/infocomp/index.php/INFOCOMP/article/view/113/98
dc.rights.driver.fl_str_mv Copyright (c) 2016 INFOCOMP Journal of Computer Science
Attribution 4.0 International
http://creativecommons.org/licenses/by/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2016 INFOCOMP Journal of Computer Science
Attribution 4.0 International
http://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Lavras (UFLA)
publisher.none.fl_str_mv Universidade Federal de Lavras (UFLA)
dc.source.none.fl_str_mv INFOCOMP; Vol 4 No 4 (2005): December, 2005; 67-72
1982-3363
1807-4545
reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1807835101787062272

Registros relacionados