Um algoritmo de vida artificial para agrupamento de dados variantes no tempo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do Mackenzie |
Texto Completo: | http://dspace.mackenzie.br/handle/10899/24343 |
Resumo: | Current technologies have made it possible to generate and store data in high volumes. To process and collect information in large databases is not always as easy as creating them. Therefore, this gap has stimulated the search for efficient techniques capable of extracting useful and non-trivial knowledge, which are intrinsic to these large data sets. The goal of this work is to propose a bioinspired algorithm, based on the Boids artificial life model, which will be used to group data in dynamic environments, i.e. in databases updated over time. The Bo-ids algorithm was originally created to illustrate the simulation of the coordinated movement observed in a flock of birds and other animals. Thus, to use this algorithm for data clustering, some modifications must be applied. These changes will be implemented in the classical rules of cohesion, separation and alignment of the Boids model in order to consider the distance (similarity/dissimilarity) among objects. Thus, it creates objects that stand and move around the space, representing the natural groups within the data, and it is expected that similar ob-jects tend to form dynamic clusters (groups) of Boids in the environment, while dissimilar objects tend to keep a larger distance between them. The results presented attest the robust-ness of the algorithm for clustering time-varying data under the light of different evaluation measures and in various databases from the literature. |
id |
UPM_61567413de64174c82759957099039f9 |
---|---|
oai_identifier_str |
oai:dspace.mackenzie.br:10899/24343 |
network_acronym_str |
UPM |
network_name_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
repository_id_str |
10277 |
spelling |
http://lattes.cnpq.br/2741458816539568Santos, Diego Gadens dosSilva, Leandro Nunes de Castrohttp://lattes.cnpq.br/55478044053954922016-03-15T19:37:44Z2020-05-28T18:08:33Z2013-05-242020-05-28T18:08:33Z2012-09-14Current technologies have made it possible to generate and store data in high volumes. To process and collect information in large databases is not always as easy as creating them. Therefore, this gap has stimulated the search for efficient techniques capable of extracting useful and non-trivial knowledge, which are intrinsic to these large data sets. The goal of this work is to propose a bioinspired algorithm, based on the Boids artificial life model, which will be used to group data in dynamic environments, i.e. in databases updated over time. The Bo-ids algorithm was originally created to illustrate the simulation of the coordinated movement observed in a flock of birds and other animals. Thus, to use this algorithm for data clustering, some modifications must be applied. These changes will be implemented in the classical rules of cohesion, separation and alignment of the Boids model in order to consider the distance (similarity/dissimilarity) among objects. Thus, it creates objects that stand and move around the space, representing the natural groups within the data, and it is expected that similar ob-jects tend to form dynamic clusters (groups) of Boids in the environment, while dissimilar objects tend to keep a larger distance between them. The results presented attest the robust-ness of the algorithm for clustering time-varying data under the light of different evaluation measures and in various databases from the literature.A capacidade de geração e armazenamento de dados proporcionada pelas tecnologias atuais levou ao surgimento de bases de dados com uma grande variedade de tipos e tamanhos. Extra-ir conhecimentos não triviais e úteis a partir de grandes bases de dados, entretanto, é uma tare-fa muito mais difícil do que a criação das mesmas. Esta lacuna tem estimulado a busca por técnicas eficientes de extração de conhecimentos intrínsecos a estes grandes conjuntos de da-dos, capazes de permitir tomadas estratégicas de decisão. Dentre as muitas tarefas da extração de conhecimentos a partir de dados, tem-se o agrupamento, que consiste na segmentação da base em grupos cujos objetos são mais parecidos entre si do que a objetos pertencentes a ou-tros grupos. Apesar de a área ser bastante ativa, pouco tem sido feito no sentido de desenvol-ver e investigar algoritmos de agrupamento para dados variantes no tempo, por exemplo, tran-sações financeiras, dados climáticos, informações e mensagens postadas em redes sociais e muitos outros. Tendo em vista a relevância prática desse tipo de análise e o crescente interesse pelos algoritmos inspirados na biologia, este trabalho tem como objetivo propor um algoritmo bioinspirado, baseado no modelo de vida artificial de Boids, para realizar o agrupamento de dados variantes no tempo. O algoritmo de Boids foi inicialmente criado para demonstrar ape-nas a simulação da movimentação coordenada observada em uma revoada de pássaros. A fim de utilizar este algoritmo para a tarefa de agrupamento de dados, algumas modificações tive-ram de ser propostas nas regras clássicas de coesão, separação e alinhamento dos Boids. Desta forma, foram criados objetos que se posicionam e se movimentam no espaço, de maneira a representar os grupos naturais existentes nos dados. A característica dinâmica intrínseca dos Boids tornou o algoritmo proposto, denominado dcBoids (dynamic clustering Boids), um can-didato natural para a resolução de problemas de agrupamento de dados variantes no tempo. Os resultados obtidos atestaram a robustez do método em seu contexto de aplicação, sob a pers-pectiva de diferentes medidas de avaliação de desempenho e quando aplicado a várias bases de dados da literatura com dinâmicas inseridas artificialmente.Fundo Mackenzie de Pesquisaapplication/pdfSANTOS, Diego Gadens dos. Um algoritmo de vida artificial para agrupamento de dados variantes no tempo. 2012. 92 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2012.http://dspace.mackenzie.br/handle/10899/24343porUniversidade Presbiteriana Mackenzievida artificialcomputação naturalmineração de dadosagrupamento de dadosboidsdados variantes no tempoartificial lifenatural computingdata miningdata clusteringboidstime-varying dataCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAhttp://tede.mackenzie.br/jspui/retrieve/3827/Diego%20Gadens%20dos%20Santos.pdf.jpgUm algoritmo de vida artificial para agrupamento de dados variantes no tempoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIESilva, Leandro Augusto dahttp://lattes.cnpq.br/1396385111251741Zuben, Fernando José Vonhttp://lattes.cnpq.br/1756895777404187BREngenharia ElétricaUPMEngenharia ElétricaORIGINALDiego Gadens dos Santos.pdfDiego Gadens dos Santos.pdfapplication/pdf2663665https://dspace.mackenzie.br/bitstreams/2698135b-66fd-4066-bcb4-ea771bf1a775/downloada3df48424bfc41f9ef484d2e7276f8f2MD51TEXTDiego Gadens dos Santos.pdf.txtDiego Gadens dos Santos.pdf.txtExtracted texttext/plain163136https://dspace.mackenzie.br/bitstreams/4891a9c5-864c-4291-b247-5d5c7d21b524/downloaddc3246193cd6dd2feb87724d24c39b49MD52THUMBNAILDiego Gadens dos Santos.pdf.jpgDiego Gadens dos Santos.pdf.jpgGenerated Thumbnailimage/jpeg1323https://dspace.mackenzie.br/bitstreams/cf0d91ab-7957-41f0-8436-229dc8bc705d/download11966040b590c83f0c26513d2979ac7aMD5310899/243432022-03-14 17:01:09.061oai:dspace.mackenzie.br:10899/24343https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772022-03-14T17:01:09Biblioteca Digital de Teses e Dissertações do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)false |
dc.title.por.fl_str_mv |
Um algoritmo de vida artificial para agrupamento de dados variantes no tempo |
title |
Um algoritmo de vida artificial para agrupamento de dados variantes no tempo |
spellingShingle |
Um algoritmo de vida artificial para agrupamento de dados variantes no tempo Santos, Diego Gadens dos vida artificial computação natural mineração de dados agrupamento de dados boids dados variantes no tempo artificial life natural computing data mining data clustering boids time-varying data CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
title_short |
Um algoritmo de vida artificial para agrupamento de dados variantes no tempo |
title_full |
Um algoritmo de vida artificial para agrupamento de dados variantes no tempo |
title_fullStr |
Um algoritmo de vida artificial para agrupamento de dados variantes no tempo |
title_full_unstemmed |
Um algoritmo de vida artificial para agrupamento de dados variantes no tempo |
title_sort |
Um algoritmo de vida artificial para agrupamento de dados variantes no tempo |
author |
Santos, Diego Gadens dos |
author_facet |
Santos, Diego Gadens dos |
author_role |
author |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2741458816539568 |
dc.contributor.author.fl_str_mv |
Santos, Diego Gadens dos |
dc.contributor.advisor1.fl_str_mv |
Silva, Leandro Nunes de Castro |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5547804405395492 |
contributor_str_mv |
Silva, Leandro Nunes de Castro |
dc.subject.por.fl_str_mv |
vida artificial computação natural mineração de dados agrupamento de dados boids dados variantes no tempo |
topic |
vida artificial computação natural mineração de dados agrupamento de dados boids dados variantes no tempo artificial life natural computing data mining data clustering boids time-varying data CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
dc.subject.eng.fl_str_mv |
artificial life natural computing data mining data clustering boids time-varying data |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
description |
Current technologies have made it possible to generate and store data in high volumes. To process and collect information in large databases is not always as easy as creating them. Therefore, this gap has stimulated the search for efficient techniques capable of extracting useful and non-trivial knowledge, which are intrinsic to these large data sets. The goal of this work is to propose a bioinspired algorithm, based on the Boids artificial life model, which will be used to group data in dynamic environments, i.e. in databases updated over time. The Bo-ids algorithm was originally created to illustrate the simulation of the coordinated movement observed in a flock of birds and other animals. Thus, to use this algorithm for data clustering, some modifications must be applied. These changes will be implemented in the classical rules of cohesion, separation and alignment of the Boids model in order to consider the distance (similarity/dissimilarity) among objects. Thus, it creates objects that stand and move around the space, representing the natural groups within the data, and it is expected that similar ob-jects tend to form dynamic clusters (groups) of Boids in the environment, while dissimilar objects tend to keep a larger distance between them. The results presented attest the robust-ness of the algorithm for clustering time-varying data under the light of different evaluation measures and in various databases from the literature. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012-09-14 |
dc.date.available.fl_str_mv |
2013-05-24 2020-05-28T18:08:33Z |
dc.date.accessioned.fl_str_mv |
2016-03-15T19:37:44Z 2020-05-28T18:08:33Z |
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 |
SANTOS, Diego Gadens dos. Um algoritmo de vida artificial para agrupamento de dados variantes no tempo. 2012. 92 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2012. |
dc.identifier.uri.fl_str_mv |
http://dspace.mackenzie.br/handle/10899/24343 |
identifier_str_mv |
SANTOS, Diego Gadens dos. Um algoritmo de vida artificial para agrupamento de dados variantes no tempo. 2012. 92 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2012. |
url |
http://dspace.mackenzie.br/handle/10899/24343 |
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 |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie instname:Universidade Presbiteriana Mackenzie (MACKENZIE) instacron:MACKENZIE |
instname_str |
Universidade Presbiteriana Mackenzie (MACKENZIE) |
instacron_str |
MACKENZIE |
institution |
MACKENZIE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
collection |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
bitstream.url.fl_str_mv |
https://dspace.mackenzie.br/bitstreams/2698135b-66fd-4066-bcb4-ea771bf1a775/download https://dspace.mackenzie.br/bitstreams/4891a9c5-864c-4291-b247-5d5c7d21b524/download https://dspace.mackenzie.br/bitstreams/cf0d91ab-7957-41f0-8436-229dc8bc705d/download |
bitstream.checksum.fl_str_mv |
a3df48424bfc41f9ef484d2e7276f8f2 dc3246193cd6dd2feb87724d24c39b49 11966040b590c83f0c26513d2979ac7a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE) |
repository.mail.fl_str_mv |
repositorio@mackenzie.br||paola.damato@mackenzie.br |
_version_ |
1813820066175647744 |