Implementação de um algoritmo evolucionário multiobjetivo para clustering de dados complexos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCançado, André Luiz Fernandes-
Autor(es): dc.creatorAnanias, Mateus Carbone-
Data de aceite: dc.date.accessioned2021-10-14T17:56:10Z-
Data de disponibilização: dc.date.available2021-10-14T17:56:10Z-
Data de envio: dc.date.issued2020-01-29-
Data de envio: dc.date.issued2020-01-29-
Data de envio: dc.date.issued2020-01-19-
Data de envio: dc.date.issued2019-07-10-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/36760-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/619673-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2019.-
Descrição: dc.descriptionDevido ao grande volume e variedade de dados existentes atualmente, clusterizar dados tem sido um grande desafio. Este trabalho teve como objetivo implementar o MOCK (Multiobjective Clustering with Automatic k-determination) em linguagem R, estudar possíveis melhorias e aplicação em dados reais. Este algoritmo funciona através de um algoritmo genético multiobjetivo chamado de PESA-II, além de ter como funcionalidade a seleção automatizada de grupos. Os resultados apresentados por Handl and Knowles (2007) foram reproduzidos com sucesso para todos os métodos utilizados. Comparou-se o MOCK com outras técnicas de agrupamento em uma aplicação com dados reais. Estes dados constituem-se de dados genéticos com alta dimensionalidade. Mostrou-se que o MOCK conseguiu identificar os grupos desse conjunto de dados de maneira mais eficiente que os outros métodos. Conclui-se que o MOCK é uma ferramenta bastante eficaz para agrupar dados em uma grande diversidade de situações, competindo frente-a-frente com diversos métodos de agrupamento.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).-
Descrição: dc.descriptionBecause of the large volume and variety of data currently available, clustering data has been a major challenge. This work aimed to implement MOCK (Multiobjective Clustering with Automatic k-determination) in R, to study possible improvements and application in real data. This algorithm works through a multiobjective genetic algorithm called PESAII, besides having as a function the automated selection of groups. The results presented by Handl and Knowles (2007) have been successfully reproduced for all methods used. MOCK was compared with other grouping techniques in an application with real data, this data consisted of genetic data with high dimensionality. It was shown that MOCK was able to identify the groups in this data set more eficiently than the other methods. It is concluded that MOCK is a very eficient tool for grouping data in a great diversity of situations, competing face-to-face with several grouping methods.-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectClusterização-
Palavras-chave: dc.subjectAlgoritmos genéticos-
Palavras-chave: dc.subjectAgrupamento de dados-
Palavras-chave: dc.subjectMultiobjective Clustering with Automatic k-determination (MOCK)-
Título: dc.titleImplementação de um algoritmo evolucionário multiobjetivo para clustering de dados complexos-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:UNB

Não existem arquivos associados a este item.