Algoritmos de consenso para o problema de agrupamento de dados com restrições
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFESP |
Texto Completo: | https://repositorio.unifesp.br/11600/67223 |
Resumo: | O Agrupamento de Dados é uma tarefa importante em Aprendizado de Máquina. Essa tarefa é realizada geralmente de forma não supervisionada, entretanto, a literatura evidencia que a utilização de informações providas por um supervisor externo pode melhorar a qualidade do agrupamento obtido. Existem diversas técnicas propostas na literatura para resolver esse problema, de heurísticas, meta-heurísticas a métodos exatos. Apesar de algumas terem aspectos similares, a qualidade do agrupamento obtido por elas divergem. Essa característica fez com que o consenso entre essas técnicas se tornasse o principal foco da pesquisa proposta nesse trabalho. Inicialmente, foi realizado um estudo sobre as técnicas de Agrupamento de Dados com Restrições propostas na literatura, evidenciando suas vantagens e desvantagens. Posteriormente foram propostos algoritmos de consenso que consideram as soluções obtidas por essas técnicas. Os experimentos computacionais demonstram que os métodos propostos apresentam melhores resultados em termos de qualidade em relação à quatro modelos da literatura. |
id |
UFSP_d17bfe40b0acef9f8629130230eb0e62 |
---|---|
oai_identifier_str |
oai:repositorio.unifesp.br:11600/67223 |
network_acronym_str |
UFSP |
network_name_str |
Repositório Institucional da UNIFESP |
repository_id_str |
3465 |
spelling |
Freitas, Gislaine Camila de [UNIFESP]http://lattes.cnpq.br/9805385735433478http://lattes.cnpq.br/7195702087655314Lorena, Luiz Antonio NogueiraSão José dos Campos2023-03-10T14:37:05Z2023-03-10T14:37:05Z2023-02-28Freitas, Gislaine Camila de. Algoritmos de Consenso para o Problema de Agrupamento de Dados com Restrições. 2023. 45f. Dissertação de (mestrado em Pesquisa Operacional) – Universidade Federal de São Paulo - Instituto Tecnológico de Aeronáutica, São José dos Campos, 2023.https://repositorio.unifesp.br/11600/67223O Agrupamento de Dados é uma tarefa importante em Aprendizado de Máquina. Essa tarefa é realizada geralmente de forma não supervisionada, entretanto, a literatura evidencia que a utilização de informações providas por um supervisor externo pode melhorar a qualidade do agrupamento obtido. Existem diversas técnicas propostas na literatura para resolver esse problema, de heurísticas, meta-heurísticas a métodos exatos. Apesar de algumas terem aspectos similares, a qualidade do agrupamento obtido por elas divergem. Essa característica fez com que o consenso entre essas técnicas se tornasse o principal foco da pesquisa proposta nesse trabalho. Inicialmente, foi realizado um estudo sobre as técnicas de Agrupamento de Dados com Restrições propostas na literatura, evidenciando suas vantagens e desvantagens. Posteriormente foram propostos algoritmos de consenso que consideram as soluções obtidas por essas técnicas. Os experimentos computacionais demonstram que os métodos propostos apresentam melhores resultados em termos de qualidade em relação à quatro modelos da literatura.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)45 f.porUniversidade Federal de São PauloAgrupamento de dadosAgrupamento de dados com restriçõesAlgoritmo de consensoAlgoritmos de consenso para o problema de agrupamento de dados com restriçõesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESPInstituto de Ciência e Tecnologia (ICT)Pesquisa OperacionalLICENSElicense.txtlicense.txttext/plain; charset=utf-85837${dspace.ui.url}/bitstream/11600/67223/2/license.txt661b218815e4419720c3798746031bcdMD52open accessORIGINALDissertação_Corrigida_PPGPO.pdfDissertação_Corrigida_PPGPO.pdfapplication/pdf1583942${dspace.ui.url}/bitstream/11600/67223/1/Dissertac%cc%a7a%cc%83o_Corrigida_PPGPO.pdf4e885b288fe1e6b92056a2158a43895dMD51open accessTEXTDissertação_Corrigida_PPGPO.pdf.txtDissertação_Corrigida_PPGPO.pdf.txtExtracted texttext/plain63925${dspace.ui.url}/bitstream/11600/67223/6/Dissertac%cc%a7a%cc%83o_Corrigida_PPGPO.pdf.txt584dc8d5bfebf2a1bb53032d7ab90fadMD56open accessTHUMBNAILDissertação_Corrigida_PPGPO.pdf.jpgDissertação_Corrigida_PPGPO.pdf.jpgIM Thumbnailimage/jpeg4822${dspace.ui.url}/bitstream/11600/67223/8/Dissertac%cc%a7a%cc%83o_Corrigida_PPGPO.pdf.jpgfc80f9debc4461e73fa184b364fe4397MD58open access11600/672232023-10-31 01:01:19.046open accessoai:repositorio.unifesp.br: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Repositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestopendoar:34652023-10-31T04:01:19Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false |
dc.title.pt_BR.fl_str_mv |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
title |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
spellingShingle |
Algoritmos de consenso para o problema de agrupamento de dados com restrições Freitas, Gislaine Camila de [UNIFESP] Agrupamento de dados Agrupamento de dados com restrições Algoritmo de consenso |
title_short |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
title_full |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
title_fullStr |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
title_full_unstemmed |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
title_sort |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
author |
Freitas, Gislaine Camila de [UNIFESP] |
author_facet |
Freitas, Gislaine Camila de [UNIFESP] |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9805385735433478 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/7195702087655314 |
dc.contributor.author.fl_str_mv |
Freitas, Gislaine Camila de [UNIFESP] |
dc.contributor.advisor1.fl_str_mv |
Lorena, Luiz Antonio Nogueira |
contributor_str_mv |
Lorena, Luiz Antonio Nogueira |
dc.subject.por.fl_str_mv |
Agrupamento de dados Agrupamento de dados com restrições Algoritmo de consenso |
topic |
Agrupamento de dados Agrupamento de dados com restrições Algoritmo de consenso |
description |
O Agrupamento de Dados é uma tarefa importante em Aprendizado de Máquina. Essa tarefa é realizada geralmente de forma não supervisionada, entretanto, a literatura evidencia que a utilização de informações providas por um supervisor externo pode melhorar a qualidade do agrupamento obtido. Existem diversas técnicas propostas na literatura para resolver esse problema, de heurísticas, meta-heurísticas a métodos exatos. Apesar de algumas terem aspectos similares, a qualidade do agrupamento obtido por elas divergem. Essa característica fez com que o consenso entre essas técnicas se tornasse o principal foco da pesquisa proposta nesse trabalho. Inicialmente, foi realizado um estudo sobre as técnicas de Agrupamento de Dados com Restrições propostas na literatura, evidenciando suas vantagens e desvantagens. Posteriormente foram propostos algoritmos de consenso que consideram as soluções obtidas por essas técnicas. Os experimentos computacionais demonstram que os métodos propostos apresentam melhores resultados em termos de qualidade em relação à quatro modelos da literatura. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-03-10T14:37:05Z |
dc.date.available.fl_str_mv |
2023-03-10T14:37:05Z |
dc.date.issued.fl_str_mv |
2023-02-28 |
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 |
Freitas, Gislaine Camila de. Algoritmos de Consenso para o Problema de Agrupamento de Dados com Restrições. 2023. 45f. Dissertação de (mestrado em Pesquisa Operacional) – Universidade Federal de São Paulo - Instituto Tecnológico de Aeronáutica, São José dos Campos, 2023. |
dc.identifier.uri.fl_str_mv |
https://repositorio.unifesp.br/11600/67223 |
identifier_str_mv |
Freitas, Gislaine Camila de. Algoritmos de Consenso para o Problema de Agrupamento de Dados com Restrições. 2023. 45f. Dissertação de (mestrado em Pesquisa Operacional) – Universidade Federal de São Paulo - Instituto Tecnológico de Aeronáutica, São José dos Campos, 2023. |
url |
https://repositorio.unifesp.br/11600/67223 |
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.format.none.fl_str_mv |
45 f. |
dc.coverage.spatial.pt_BR.fl_str_mv |
São José dos Campos |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Paulo |
publisher.none.fl_str_mv |
Universidade Federal de São Paulo |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFESP instname:Universidade Federal de São Paulo (UNIFESP) instacron:UNIFESP |
instname_str |
Universidade Federal de São Paulo (UNIFESP) |
instacron_str |
UNIFESP |
institution |
UNIFESP |
reponame_str |
Repositório Institucional da UNIFESP |
collection |
Repositório Institucional da UNIFESP |
bitstream.url.fl_str_mv |
${dspace.ui.url}/bitstream/11600/67223/2/license.txt ${dspace.ui.url}/bitstream/11600/67223/1/Dissertac%cc%a7a%cc%83o_Corrigida_PPGPO.pdf ${dspace.ui.url}/bitstream/11600/67223/6/Dissertac%cc%a7a%cc%83o_Corrigida_PPGPO.pdf.txt ${dspace.ui.url}/bitstream/11600/67223/8/Dissertac%cc%a7a%cc%83o_Corrigida_PPGPO.pdf.jpg |
bitstream.checksum.fl_str_mv |
661b218815e4419720c3798746031bcd 4e885b288fe1e6b92056a2158a43895d 584dc8d5bfebf2a1bb53032d7ab90fad fc80f9debc4461e73fa184b364fe4397 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP) |
repository.mail.fl_str_mv |
|
_version_ |
1783460226104557568 |