MCAC - Monte Carlo Ant Colony: um novo algoritmo estocástico de agrupamento de dados

• Ano de defesa: 2008
• Autor(a) principal: AGUIAR, José Domingos Albuquerque
• Orientador(a): SOUZA, Adauto José Ferreira de
• Banca de defesa: CORDEIRO, Gauss Moutinho, MELO, Silvio de Barros
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• dARK ID: ark:/57462/0013000005vrn
• Idioma: por
• Instituição de defesa: Universidade Federal Rural de Pernambuco
• Programa de Pós-Graduação: Programa de Pós-Graduação em Biometria e Estatística Aplicada
• Departamento: Departamento de Estatística e Informática
• País: Brasil
• Palavras-chave em Português: Dados estatísticos; Método de Monte Carlo; Otimização matemática; Agrupamento de dados; Data clustering
• Palavras-chave em Inglês: Otimização por colônias de formigas; Method Monte Carlo
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
• Link de acesso: http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/5006

In this work we present a new data cluster algorithm based on social behavior of ants which applies Monte Carlo simulations in selecting the maximum path length of the ants. We compare the performance of the new method with the popular k-means and another algorithm also inspired by the social ant behavior. For the comparative study we employed three data sets from the real world, three deterministic artificial data sets and two random generated data sets, yielding a total of eight data sets. We find that the new algorithm outperforms the others in all studied cases but one. We also address the issue concerning about the right number of groups in a particular data set. Our results show that the proposed algorithm yields a good estimate for the right number of groups present in the data set.