Algoritmos de consenso para o problema de agrupamento de dados com restrições
| Ano de defesa: | 2023 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| dARK ID: | ark:/48912/001300002gjk4 |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal de São Paulo
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://repositorio.unifesp.br/handle/11600/67223 |
Resumo: | O Agrupamento de Dados é uma tarefa importante em Aprendizado de Máquina. Essa tarefa é realizada geralmente de forma não supervisionada, entretanto, a literatura evidencia que a utilização de informações providas por um supervisor externo pode melhorar a qualidade do agrupamento obtido. Existem diversas técnicas propostas na literatura para resolver esse problema, de heurísticas, meta-heurísticas a métodos exatos. Apesar de algumas terem aspectos similares, a qualidade do agrupamento obtido por elas divergem. Essa característica fez com que o consenso entre essas técnicas se tornasse o principal foco da pesquisa proposta nesse trabalho. Inicialmente, foi realizado um estudo sobre as técnicas de Agrupamento de Dados com Restrições propostas na literatura, evidenciando suas vantagens e desvantagens. Posteriormente foram propostos algoritmos de consenso que consideram as soluções obtidas por essas técnicas. Os experimentos computacionais demonstram que os métodos propostos apresentam melhores resultados em termos de qualidade em relação à quatro modelos da literatura. |
| id |
UFSP_d17bfe40b0acef9f8629130230eb0e62 |
|---|---|
| oai_identifier_str |
oai:repositorio.unifesp.br:11600/67223 |
| network_acronym_str |
UFSP |
| network_name_str |
Repositório Institucional da UNIFESP |
| repository_id_str |
|
| spelling |
http://lattes.cnpq.br/7195702087655314Freitas, Gislaine Camila de [UNIFESP]http://lattes.cnpq.br/9805385735433478Lorena, Luiz Antonio NogueiraSão José dos Campos2023-03-10T14:37:05Z2023-03-10T14:37:05Z2023-02-28O Agrupamento de Dados é uma tarefa importante em Aprendizado de Máquina. Essa tarefa é realizada geralmente de forma não supervisionada, entretanto, a literatura evidencia que a utilização de informações providas por um supervisor externo pode melhorar a qualidade do agrupamento obtido. Existem diversas técnicas propostas na literatura para resolver esse problema, de heurísticas, meta-heurísticas a métodos exatos. Apesar de algumas terem aspectos similares, a qualidade do agrupamento obtido por elas divergem. Essa característica fez com que o consenso entre essas técnicas se tornasse o principal foco da pesquisa proposta nesse trabalho. Inicialmente, foi realizado um estudo sobre as técnicas de Agrupamento de Dados com Restrições propostas na literatura, evidenciando suas vantagens e desvantagens. Posteriormente foram propostos algoritmos de consenso que consideram as soluções obtidas por essas técnicas. Os experimentos computacionais demonstram que os métodos propostos apresentam melhores resultados em termos de qualidade em relação à quatro modelos da literatura.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)luizlorena54@gmail.com45 f.Freitas, Gislaine Camila de. Algoritmos de Consenso para o Problema de Agrupamento de Dados com Restrições. 2023. 45f. Dissertação de (mestrado em Pesquisa Operacional) – Universidade Federal de São Paulo - Instituto Tecnológico de Aeronáutica, São José dos Campos, 2023.https://repositorio.unifesp.br/handle/11600/67223ark:/48912/001300002gjk4porUniversidade Federal de São Pauloinfo:eu-repo/semantics/openAccessAgrupamento de dadosAgrupamento de dados com restriçõesAlgoritmo de consensoAlgoritmos de consenso para o problema de agrupamento de dados com restriçõesinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESPInstituto de Ciência e Tecnologia (ICT)Pesquisa OperacionalLICENSElicense.txtlicense.txttext/plain; charset=utf-85837https://repositorio.unifesp.br/bitstreams/ddac0df8-fde2-4221-a02f-d4d368b240c7/download661b218815e4419720c3798746031bcdMD52ORIGINALDissertação_Corrigida_PPGPO.pdfDissertação_Corrigida_PPGPO.pdfapplication/pdf1583942https://repositorio.unifesp.br/bitstreams/aa53696d-af00-482f-b2f6-731823cf94af/download4e885b288fe1e6b92056a2158a43895dMD51TEXTDissertação_Corrigida_PPGPO.pdf.txtDissertação_Corrigida_PPGPO.pdf.txtExtracted texttext/plain135721https://repositorio.unifesp.br/bitstreams/59d00b0e-9745-432c-bfd3-91e4f5675024/downloadf09a5d276488175d214f1e2b23c32b32MD59THUMBNAILDissertação_Corrigida_PPGPO.pdf.jpgDissertação_Corrigida_PPGPO.pdf.jpgGenerated Thumbnailimage/jpeg3581https://repositorio.unifesp.br/bitstreams/f80cce18-b9d3-4411-af92-ea6cab4b519d/download13e2ff64ce2667d18eebdf0ff57f5954MD51011600/672232024-08-12 14:19:17.535oai:repositorio.unifesp.br:11600/67223https://repositorio.unifesp.brRepositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-08-12T14:19:17Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)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 |
| dc.title.pt_BR.fl_str_mv |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
| title |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
| spellingShingle |
Algoritmos de consenso para o problema de agrupamento de dados com restrições Freitas, Gislaine Camila de [UNIFESP] Agrupamento de dados Agrupamento de dados com restrições Algoritmo de consenso |
| title_short |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
| title_full |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
| title_fullStr |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
| title_full_unstemmed |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
| title_sort |
Algoritmos de consenso para o problema de agrupamento de dados com restrições |
| author |
Freitas, Gislaine Camila de [UNIFESP] |
| author_facet |
Freitas, Gislaine Camila de [UNIFESP] |
| author_role |
author |
| dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/7195702087655314 |
| dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9805385735433478 |
| dc.contributor.author.fl_str_mv |
Freitas, Gislaine Camila de [UNIFESP] |
| dc.contributor.advisor1.fl_str_mv |
Lorena, Luiz Antonio Nogueira |
| contributor_str_mv |
Lorena, Luiz Antonio Nogueira |
| dc.subject.por.fl_str_mv |
Agrupamento de dados Agrupamento de dados com restrições Algoritmo de consenso |
| topic |
Agrupamento de dados Agrupamento de dados com restrições Algoritmo de consenso |
| description |
O Agrupamento de Dados é uma tarefa importante em Aprendizado de Máquina. Essa tarefa é realizada geralmente de forma não supervisionada, entretanto, a literatura evidencia que a utilização de informações providas por um supervisor externo pode melhorar a qualidade do agrupamento obtido. Existem diversas técnicas propostas na literatura para resolver esse problema, de heurísticas, meta-heurísticas a métodos exatos. Apesar de algumas terem aspectos similares, a qualidade do agrupamento obtido por elas divergem. Essa característica fez com que o consenso entre essas técnicas se tornasse o principal foco da pesquisa proposta nesse trabalho. Inicialmente, foi realizado um estudo sobre as técnicas de Agrupamento de Dados com Restrições propostas na literatura, evidenciando suas vantagens e desvantagens. Posteriormente foram propostos algoritmos de consenso que consideram as soluções obtidas por essas técnicas. Os experimentos computacionais demonstram que os métodos propostos apresentam melhores resultados em termos de qualidade em relação à quatro modelos da literatura. |
| publishDate |
2023 |
| dc.date.accessioned.fl_str_mv |
2023-03-10T14:37:05Z |
| dc.date.available.fl_str_mv |
2023-03-10T14:37:05Z |
| dc.date.issued.fl_str_mv |
2023-02-28 |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.citation.fl_str_mv |
Freitas, Gislaine Camila de. Algoritmos de Consenso para o Problema de Agrupamento de Dados com Restrições. 2023. 45f. Dissertação de (mestrado em Pesquisa Operacional) – Universidade Federal de São Paulo - Instituto Tecnológico de Aeronáutica, São José dos Campos, 2023. |
| dc.identifier.uri.fl_str_mv |
https://repositorio.unifesp.br/handle/11600/67223 |
| dc.identifier.dark.fl_str_mv |
ark:/48912/001300002gjk4 |
| identifier_str_mv |
Freitas, Gislaine Camila de. Algoritmos de Consenso para o Problema de Agrupamento de Dados com Restrições. 2023. 45f. Dissertação de (mestrado em Pesquisa Operacional) – Universidade Federal de São Paulo - Instituto Tecnológico de Aeronáutica, São José dos Campos, 2023. ark:/48912/001300002gjk4 |
| url |
https://repositorio.unifesp.br/handle/11600/67223 |
| 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 |
45 f. |
| dc.coverage.spatial.pt_BR.fl_str_mv |
São José dos Campos |
| dc.publisher.none.fl_str_mv |
Universidade Federal de São Paulo |
| publisher.none.fl_str_mv |
Universidade Federal de São Paulo |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFESP instname:Universidade Federal de São Paulo (UNIFESP) instacron:UNIFESP |
| instname_str |
Universidade Federal de São Paulo (UNIFESP) |
| instacron_str |
UNIFESP |
| institution |
UNIFESP |
| reponame_str |
Repositório Institucional da UNIFESP |
| collection |
Repositório Institucional da UNIFESP |
| bitstream.url.fl_str_mv |
https://repositorio.unifesp.br/bitstreams/ddac0df8-fde2-4221-a02f-d4d368b240c7/download https://repositorio.unifesp.br/bitstreams/aa53696d-af00-482f-b2f6-731823cf94af/download https://repositorio.unifesp.br/bitstreams/59d00b0e-9745-432c-bfd3-91e4f5675024/download https://repositorio.unifesp.br/bitstreams/f80cce18-b9d3-4411-af92-ea6cab4b519d/download |
| bitstream.checksum.fl_str_mv |
661b218815e4419720c3798746031bcd 4e885b288fe1e6b92056a2158a43895d f09a5d276488175d214f1e2b23c32b32 13e2ff64ce2667d18eebdf0ff57f5954 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP) |
| repository.mail.fl_str_mv |
biblioteca.csp@unifesp.br |
| _version_ |
1865648755006504960 |