Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: BRANCO, Diogo Philippini Pontual
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso embargado
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Dados multivisão
Agrupamento difuso
Dados relacionais
Restrições pareadas
Semi-supervisão
Link de acesso: https://repositorio.ufpe.br/handle/123456789/62159
Resumo: Apesar da abundante quantidade de trabalhos nos tópicos de agrupamento semi-supervisionado, multivisão e dados relacionais, separadamente, há poucos trabalhos fei- tos considerando todos esses tópicos ao mesmo tempo, ou seja, métodos de agrupamento semi-supervisionado multivisão para dados relacionais; apesar de apresentarem resultados pro- missores que oferecem vantagens substanciais em relação a abordagens de visão única e multi- visão não supervisionadas. Nesse contexto, este trabalho propõe três famílias de algoritmos de agrupamento difuso semi-supervisionado multivisão para dados relacionais, capazes de inferir pesos de relevância para cada visão além de representantes para cada grupo. Cada família possui diversas variantes que diferem através do método de definição do peso das visões e nas restrições impostas nesses pesos; semi-supervisão se dá através do uso de restrições pareadas must-link e cannot-link. Vários experimentos foram realizados, abrangendo todos os algoritmos das famílias propostas bem como algoritmos existentes no estado da arte, em oito conjuntos de dados com variadas características (e.g. número de visões, quantidade de objetos, número de grupos) e se utilizando das métricas NMI, ARI e MPC para avaliá-los. Os resultados mos- tram que essas famílias podem oferecer mais robustez do que outros algoritmos da mesma categoria ao lidar com restrições pareadas, além de prover maior interpretabilidade dos resul- tados. Esses experimentos também revelam que algumas famílias de algoritmos podem ter uma performance melhor do que outras para um determinado conjunto de dados; isso também é observado entre as variantes de uma determinada família. Em suma, o presente trabalho propõe novos algoritmos de agrupamento difuso semi-supervisionado para dados relacionais multivisão que utilizam diferentes estratégias de ponderação das visões (local ou global), di- ferentes abordagens de medoides e realiza uma análise experimental mais extensa em relação a trabalhos anteriores.
id UFPE_2ecdc6c3585bd9d163093eb695ed69b9
oai_identifier_str oai:repositorio.ufpe.br:123456789/62159
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisãoDados multivisãoAgrupamento difusoDados relacionaisRestrições pareadasSemi-supervisãoApesar da abundante quantidade de trabalhos nos tópicos de agrupamento semi-supervisionado, multivisão e dados relacionais, separadamente, há poucos trabalhos fei- tos considerando todos esses tópicos ao mesmo tempo, ou seja, métodos de agrupamento semi-supervisionado multivisão para dados relacionais; apesar de apresentarem resultados pro- missores que oferecem vantagens substanciais em relação a abordagens de visão única e multi- visão não supervisionadas. Nesse contexto, este trabalho propõe três famílias de algoritmos de agrupamento difuso semi-supervisionado multivisão para dados relacionais, capazes de inferir pesos de relevância para cada visão além de representantes para cada grupo. Cada família possui diversas variantes que diferem através do método de definição do peso das visões e nas restrições impostas nesses pesos; semi-supervisão se dá através do uso de restrições pareadas must-link e cannot-link. Vários experimentos foram realizados, abrangendo todos os algoritmos das famílias propostas bem como algoritmos existentes no estado da arte, em oito conjuntos de dados com variadas características (e.g. número de visões, quantidade de objetos, número de grupos) e se utilizando das métricas NMI, ARI e MPC para avaliá-los. Os resultados mos- tram que essas famílias podem oferecer mais robustez do que outros algoritmos da mesma categoria ao lidar com restrições pareadas, além de prover maior interpretabilidade dos resul- tados. Esses experimentos também revelam que algumas famílias de algoritmos podem ter uma performance melhor do que outras para um determinado conjunto de dados; isso também é observado entre as variantes de uma determinada família. Em suma, o presente trabalho propõe novos algoritmos de agrupamento difuso semi-supervisionado para dados relacionais multivisão que utilizam diferentes estratégias de ponderação das visões (local ou global), di- ferentes abordagens de medoides e realiza uma análise experimental mais extensa em relação a trabalhos anteriores.Despite the vast amount of work on the topics of semi-supervision, multi-view, and rela- tional data clustering, there is little work performed on all of those topics combined, that is, semi-supervised multi-view clustering methods of relational data, despite its promising results which offer substantial advantage over single-view and unsupervised multi-view approaches. In this light, we propose several families of algorithms of semi-supervised multi-view fuzzy clustering of relational data, capable of inferring relevance weights for each view as well as representatives for each cluster. Each family has several variants, which differ by their weighting approach and the constraints imposed on those weights; semi-supervision is attained through the use of must-link and cannot-link pairwise constraints. Several experiments were performed, encompassing all the algorithms of the proposed families as well as existings algorithms in the state of the art, on eight datasets with varied features (e.g. number of views, amount of ob- jects, number of clusters) and using the NMI, ARI and MPC metrics for their evaluation. The results show that the algorithms in those families have greater robustness than other algorithms of the same category when handling the pairwise constraints, even in the presence of noise views, and provide better interpretability of the results when comparing to existing models of the same category. Those experiments also reveal that one family may perform better than the other depending on the data being considered; this can also be observed for the variants within each family. In short, the present work proposes new semi-supervised fuzzy clustering algorithms for multi-view relational data which uses different view weighting strategies (local or global), different medoid approaches and performs a more extensive experimental analysis when compared to previous works.Universidade Federal de PernambucoUFPEBrasilPrograma de Pos Graduacao em Ciencia da ComputacaoCARVALHO, Francisco de Assis Tenório dehttp://lattes.cnpq.br/3020665442156439http://lattes.cnpq.br/3909162572623711BRANCO, Diogo Philippini Pontual2025-04-04T20:32:43Z2025-04-04T20:32:43Z2024-11-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfBRANCO, Diogo Philippini Pontual. Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão. 2024. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024https://repositorio.ufpe.br/handle/123456789/62159porhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/embargoedAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2025-04-05T05:27:36Zoai:repositorio.ufpe.br:123456789/62159Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-04-05T05:27:36Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.none.fl_str_mv Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão
title Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão
spellingShingle Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão
BRANCO, Diogo Philippini Pontual
Dados multivisão
Agrupamento difuso
Dados relacionais
Restrições pareadas
Semi-supervisão
title_short Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão
title_full Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão
title_fullStr Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão
title_full_unstemmed Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão
title_sort Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão
author BRANCO, Diogo Philippini Pontual
author_facet BRANCO, Diogo Philippini Pontual
author_role author
dc.contributor.none.fl_str_mv CARVALHO, Francisco de Assis Tenório de
http://lattes.cnpq.br/3020665442156439
http://lattes.cnpq.br/3909162572623711
dc.contributor.author.fl_str_mv BRANCO, Diogo Philippini Pontual
dc.subject.por.fl_str_mv Dados multivisão
Agrupamento difuso
Dados relacionais
Restrições pareadas
Semi-supervisão
topic Dados multivisão
Agrupamento difuso
Dados relacionais
Restrições pareadas
Semi-supervisão
description Apesar da abundante quantidade de trabalhos nos tópicos de agrupamento semi-supervisionado, multivisão e dados relacionais, separadamente, há poucos trabalhos fei- tos considerando todos esses tópicos ao mesmo tempo, ou seja, métodos de agrupamento semi-supervisionado multivisão para dados relacionais; apesar de apresentarem resultados pro- missores que oferecem vantagens substanciais em relação a abordagens de visão única e multi- visão não supervisionadas. Nesse contexto, este trabalho propõe três famílias de algoritmos de agrupamento difuso semi-supervisionado multivisão para dados relacionais, capazes de inferir pesos de relevância para cada visão além de representantes para cada grupo. Cada família possui diversas variantes que diferem através do método de definição do peso das visões e nas restrições impostas nesses pesos; semi-supervisão se dá através do uso de restrições pareadas must-link e cannot-link. Vários experimentos foram realizados, abrangendo todos os algoritmos das famílias propostas bem como algoritmos existentes no estado da arte, em oito conjuntos de dados com variadas características (e.g. número de visões, quantidade de objetos, número de grupos) e se utilizando das métricas NMI, ARI e MPC para avaliá-los. Os resultados mos- tram que essas famílias podem oferecer mais robustez do que outros algoritmos da mesma categoria ao lidar com restrições pareadas, além de prover maior interpretabilidade dos resul- tados. Esses experimentos também revelam que algumas famílias de algoritmos podem ter uma performance melhor do que outras para um determinado conjunto de dados; isso também é observado entre as variantes de uma determinada família. Em suma, o presente trabalho propõe novos algoritmos de agrupamento difuso semi-supervisionado para dados relacionais multivisão que utilizam diferentes estratégias de ponderação das visões (local ou global), di- ferentes abordagens de medoides e realiza uma análise experimental mais extensa em relação a trabalhos anteriores.
publishDate 2024
dc.date.none.fl_str_mv 2024-11-05
2025-04-04T20:32:43Z
2025-04-04T20:32:43Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv BRANCO, Diogo Philippini Pontual. Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão. 2024. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024
https://repositorio.ufpe.br/handle/123456789/62159
identifier_str_mv BRANCO, Diogo Philippini Pontual. Modelos de agrupamento difuso com restrições pareadas para dados relacionais multivisão. 2024. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024
url https://repositorio.ufpe.br/handle/123456789/62159
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/embargoedAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv embargoedAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Ciencia da Computacao
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1856041930059677696

Registros relacionados