Um algoritmo de vida artificial para agrupamento de dados variantes no tempo

Detalhes bibliográficos
Autor(a) principal: Santos, Diego Gadens dos
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