Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/21651 |
Resumo: | O presente trabalho está inserido na linha de pesquisa de aprendizado de máquina, que é um campo de pesquisa associado à Inteligência Artificial e dedicado ao desenvolvimento de técnicas que, permitem ao computador aprender com experiências passadas. Em aprendizado de máquina, há diferentes tarefas de aprendizado que pertencem a determinado paradigma de aprendizado, entre elas podemos citar agrupamento de dados, que pertencente ao paradigma de aprendizado não supervisionado. Diversos algoritmos de agrupamento vêm sendo utilizados com sucesso em diferentes aplicações. No entanto, cada algoritmo possui suas próprias características e limitações, que podem gerar diferentes soluções para um mesmo conjunto de dados. Dessa forma, combinar vários métodos de agrupamento (comitês de agrupamento), capaz de aproveitar as características de cada algoritmo é uma abordagem bastante utilizada na tentativa de superar as limitações de cada técnica de agrupamento. Nesse contexto, diversas abordagens têm sido propostas na literatura no intuito de otimizar, ou seja, de melhorar cada vez mais as soluções encontradas. Dessa forma, o objetivo deste trabalho é propor uma abordagem para otimização de comitês de agrupamento, por meio da função consenso, utilizando técnicas inspiradas na natureza. Essa abordagem consiste na formação de um comitê de agrupamento heterogêneo, de modo que as partições iniciais são combinadas por um método que utilizada o algoritmo de otimização Coral Reefs Optimization com o método de co-associação, resultando em uma partição final. Essa estratégia é avaliada através dos índices de avaliação de agrupamento, Dunn, Calinski-Harabasz, Dom e Jaccard, no intuito de analisar a viabilidade da abordagem proposta. Finalmente, o desempenho da abordagem proposta é comparado com duas outras abordagens, são elas: algoritmo genético com o método de co-associação e o método de co-associação tradicional. Essa comparação é feita através da utilização de testes estatísticos, especificamente teste de Friedman. |
id |
UFRN_fb58004b04a561120f7932bdf0c36ea0 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/21651 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Silva, Huliane Medeiros daCarvalho, Bruno Motta deGorgonio, Flavius da Luz eXavier Júnior, João CarlosSantos, Araken de MedeirosCanuto, Anne Magaly de Paula2017-01-16T14:40:28Z2017-01-16T14:40:28Z2016-03-04SILVA, Huliane Medeiros da. Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization. 2016. 70f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.https://repositorio.ufrn.br/jspui/handle/123456789/21651porCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOAprendizado de MáquinaComitês de agrupamentoOtimizaçãoOtimização de comitês de agrupamento usando o algoritmo coral reefs optimizationCluster ensembles optimization using coral reefs optimization algorithminfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisO presente trabalho está inserido na linha de pesquisa de aprendizado de máquina, que é um campo de pesquisa associado à Inteligência Artificial e dedicado ao desenvolvimento de técnicas que, permitem ao computador aprender com experiências passadas. Em aprendizado de máquina, há diferentes tarefas de aprendizado que pertencem a determinado paradigma de aprendizado, entre elas podemos citar agrupamento de dados, que pertencente ao paradigma de aprendizado não supervisionado. Diversos algoritmos de agrupamento vêm sendo utilizados com sucesso em diferentes aplicações. No entanto, cada algoritmo possui suas próprias características e limitações, que podem gerar diferentes soluções para um mesmo conjunto de dados. Dessa forma, combinar vários métodos de agrupamento (comitês de agrupamento), capaz de aproveitar as características de cada algoritmo é uma abordagem bastante utilizada na tentativa de superar as limitações de cada técnica de agrupamento. Nesse contexto, diversas abordagens têm sido propostas na literatura no intuito de otimizar, ou seja, de melhorar cada vez mais as soluções encontradas. Dessa forma, o objetivo deste trabalho é propor uma abordagem para otimização de comitês de agrupamento, por meio da função consenso, utilizando técnicas inspiradas na natureza. Essa abordagem consiste na formação de um comitê de agrupamento heterogêneo, de modo que as partições iniciais são combinadas por um método que utilizada o algoritmo de otimização Coral Reefs Optimization com o método de co-associação, resultando em uma partição final. Essa estratégia é avaliada através dos índices de avaliação de agrupamento, Dunn, Calinski-Harabasz, Dom e Jaccard, no intuito de analisar a viabilidade da abordagem proposta. Finalmente, o desempenho da abordagem proposta é comparado com duas outras abordagens, são elas: algoritmo genético com o método de co-associação e o método de co-associação tradicional. Essa comparação é feita através da utilização de testes estatísticos, especificamente teste de Friedman.PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALHulianeMedeirosDaSilva_DISSERT.pdfHulianeMedeirosDaSilva_DISSERT.pdfapplication/pdf1785405https://repositorio.ufrn.br/bitstream/123456789/21651/1/HulianeMedeirosDaSilva_DISSERT.pdf7112264062bf15f90b53916d0f3a581aMD51TEXTHulianeMedeirosDaSilva_DISSERT.pdf.txtHulianeMedeirosDaSilva_DISSERT.pdf.txtExtracted texttext/plain313305https://repositorio.ufrn.br/bitstream/123456789/21651/4/HulianeMedeirosDaSilva_DISSERT.pdf.txt213388ea9413a73b0a254833373d5a42MD54THUMBNAILHulianeMedeirosDaSilva_DISSERT.pdf.jpgHulianeMedeirosDaSilva_DISSERT.pdf.jpgIM Thumbnailimage/jpeg5534https://repositorio.ufrn.br/bitstream/123456789/21651/5/HulianeMedeirosDaSilva_DISSERT.pdf.jpg7dc4c78d62db7d656116ce10071fab9dMD55123456789/216512017-11-03 10:15:36.795oai:https://repositorio.ufrn.br:123456789/21651Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-03T13:15:36Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization |
dc.title.alternative.pt_BR.fl_str_mv |
Cluster ensembles optimization using coral reefs optimization algorithm |
title |
Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization |
spellingShingle |
Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization Silva, Huliane Medeiros da CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Aprendizado de Máquina Comitês de agrupamento Otimização |
title_short |
Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization |
title_full |
Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization |
title_fullStr |
Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization |
title_full_unstemmed |
Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization |
title_sort |
Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization |
author |
Silva, Huliane Medeiros da |
author_facet |
Silva, Huliane Medeiros da |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
|
dc.contributor.advisorID.pt_BR.fl_str_mv |
|
dc.contributor.referees1.none.fl_str_mv |
Carvalho, Bruno Motta de |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees2.none.fl_str_mv |
Gorgonio, Flavius da Luz e |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
|
dc.contributor.referees3.none.fl_str_mv |
Xavier Júnior, João Carlos |
dc.contributor.referees3ID.pt_BR.fl_str_mv |
|
dc.contributor.referees4.none.fl_str_mv |
Santos, Araken de Medeiros |
dc.contributor.referees4ID.pt_BR.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Silva, Huliane Medeiros da |
dc.contributor.advisor1.fl_str_mv |
Canuto, Anne Magaly de Paula |
contributor_str_mv |
Canuto, Anne Magaly de Paula |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Aprendizado de Máquina Comitês de agrupamento Otimização |
dc.subject.por.fl_str_mv |
Aprendizado de Máquina Comitês de agrupamento Otimização |
description |
O presente trabalho está inserido na linha de pesquisa de aprendizado de máquina, que é um campo de pesquisa associado à Inteligência Artificial e dedicado ao desenvolvimento de técnicas que, permitem ao computador aprender com experiências passadas. Em aprendizado de máquina, há diferentes tarefas de aprendizado que pertencem a determinado paradigma de aprendizado, entre elas podemos citar agrupamento de dados, que pertencente ao paradigma de aprendizado não supervisionado. Diversos algoritmos de agrupamento vêm sendo utilizados com sucesso em diferentes aplicações. No entanto, cada algoritmo possui suas próprias características e limitações, que podem gerar diferentes soluções para um mesmo conjunto de dados. Dessa forma, combinar vários métodos de agrupamento (comitês de agrupamento), capaz de aproveitar as características de cada algoritmo é uma abordagem bastante utilizada na tentativa de superar as limitações de cada técnica de agrupamento. Nesse contexto, diversas abordagens têm sido propostas na literatura no intuito de otimizar, ou seja, de melhorar cada vez mais as soluções encontradas. Dessa forma, o objetivo deste trabalho é propor uma abordagem para otimização de comitês de agrupamento, por meio da função consenso, utilizando técnicas inspiradas na natureza. Essa abordagem consiste na formação de um comitê de agrupamento heterogêneo, de modo que as partições iniciais são combinadas por um método que utilizada o algoritmo de otimização Coral Reefs Optimization com o método de co-associação, resultando em uma partição final. Essa estratégia é avaliada através dos índices de avaliação de agrupamento, Dunn, Calinski-Harabasz, Dom e Jaccard, no intuito de analisar a viabilidade da abordagem proposta. Finalmente, o desempenho da abordagem proposta é comparado com duas outras abordagens, são elas: algoritmo genético com o método de co-associação e o método de co-associação tradicional. Essa comparação é feita através da utilização de testes estatísticos, especificamente teste de Friedman. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-03-04 |
dc.date.accessioned.fl_str_mv |
2017-01-16T14:40:28Z |
dc.date.available.fl_str_mv |
2017-01-16T14:40:28Z |
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 |
SILVA, Huliane Medeiros da. Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization. 2016. 70f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/21651 |
identifier_str_mv |
SILVA, Huliane Medeiros da. Otimização de comitês de agrupamento usando o algoritmo coral reefs optimization. 2016. 70f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/21651 |
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.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/21651/1/HulianeMedeirosDaSilva_DISSERT.pdf https://repositorio.ufrn.br/bitstream/123456789/21651/4/HulianeMedeirosDaSilva_DISSERT.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/21651/5/HulianeMedeirosDaSilva_DISSERT.pdf.jpg |
bitstream.checksum.fl_str_mv |
7112264062bf15f90b53916d0f3a581a 213388ea9413a73b0a254833373d5a42 7dc4c78d62db7d656116ce10071fab9d |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117690063585280 |