Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Pedroso, Lucas Garcia, 1981- | - |
Autor(es): dc.contributor | Ribeiro, Ademir Alves, 1968- | - |
Autor(es): dc.contributor | Benatti, Kléber Aderaldo, 1993- | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia | - |
Autor(es): dc.creator | Pamplona, João Vitor | - |
Data de aceite: dc.date.accessioned | 2025-09-01T12:54:00Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T12:54:00Z | - |
Data de envio: dc.date.issued | 2022-10-18 | - |
Data de envio: dc.date.issued | 2022-10-18 | - |
Data de envio: dc.date.issued | 2021 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/79490 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/79490 | - |
Descrição: dc.description | Orientador: Prof. Dr. Lucas Garcia Pedroso | - |
Descrição: dc.description | Coorientadores: Prof. Dr. Ademir Alves Ribeiro e Dr. Kléber Aderaldo Benatti. | - |
Descrição: dc.description | Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 16/09/2022 | - |
Descrição: dc.description | Inclui referências: p. 42-45 | - |
Descrição: dc.description | Resumo: Dentre as diversas aplicações do Aprendizado de Máquina, destacam-se os métodos de agrupamento, onde um conjunto de dados é fornecido e o objetivo consiste em particioná-lo em grupos de forma que elementos de mesmo grupo sejam similares entre si e diferentes de elementos de outros grupos. Esses grupos podem ser gerados mediante diversas técnicas, como os m'métodos de agrupamento hierárquico e os baseados em centroides. Porém, os métodos clássicos não abordam problemas onde o número de pontos dos grupos é pré-determinado, ou quando os pontos têm pesos associados e cada grupo tem uma capacidade. Neste trabalho estudamos um método oriundo da adaptação do algoritmo K-means e do método Branch and bound para resolver problemas dessa natureza. Demonstramos que esse método é competitivo com técnicas já conhecidas na literatura, aliando a qualidade dos resultados obtidos com o tempo computacional utilizado na resolução dos problemas. | - |
Descrição: dc.description | Abstract: Among the various applications of Machine Learning, clustering methods stand out, where a dataset is provided and the objective is to partition it into groups so that elements of the same group are similar to each other and different from elements of other groups. These groups can be generated using several techniques, such as hierarchical clustering methods and those based on centroids. However, classical methods do not deal with problems where the number of points in groups is predetermined, or when points have associated weights and each group has a capacity. In this work we study a method derived from the adaptation of the K-means algorithm and the Branch and bound method to solve problems of this nature. We demonstrate that this method is competitive with techniques already presented in the literature, combining the quality of the results obtained with the computational time used in solving the problems. | - |
Formato: dc.format | 1 recurso online : PDF. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Análise Numérica | - |
Palavras-chave: dc.subject | Algorítmos | - |
Palavras-chave: dc.subject | Análise por agrupamento | - |
Título: dc.title | Uma abordagem para o problema de clusterização com restrições de capacidade | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: