News

Banca de DEFESA: MICHEL PINHEIRO MONTENEGRO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MICHEL PINHEIRO MONTENEGRO
DATA: 02/12/2021
HORA: 10:00
LOCAL: https://meet.google.com/qwi-mdpk-rqh
TÍTULO:

Aplicação de índices de qualidade de cluster no processo de geração automática de algoritmos de agrupamento


PALAVRAS-CHAVES:

Índice de Qualidade de agrupamentos, algoritmos de agrupamento, programação automática, mineração de dados.


PÁGINAS: 55
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
RESUMO:

O AutoClustering é uma ferramenta computacional para a geração automática de algoritmos de agrupamento, que combina e avalia as principais partes dos algoritmos para gerar soluções mais apropriadas para um determinado conjunto de dados no que se refere a tarefas de agrupamento. O AutoClustering usa a técnica evolutiva conhecida como Algoritmos de Estimativa de Distribuição (Estimation of Distribution Algorithms-EDA) para criar os algoritmos de agrupamento (considerados como indivíduos pelo EDA) e o método Clest adaptado para calcular de forma objetiva o fitness usando um classificador (Ex.: árvore de decisão) e determinando a qualidade dos algoritmos de agrupamento. Este trabalho propõe melhorar a eficiência do processo de avaliação do AutoClustering, adicionando uma métrica que une três índices de qualidade de clusters. Os três índices de qualidade são cluster Dunn IndexSilhouette Index e Davies-Bouldin Index, que avaliam a situação Intra e Inter clusters, com algoritmos baseados na distância e independentes da geração dos grupos. Na avaliação da abordagem proposta foram realizados testes comparativos com o modelo original proposto na ferramenta Autoclustering. Para isso foram utilizadas quatro bases de domínio público e pertencentes ao repositório de dados públicos da UCI, tendo neste experimento 10 rodadas com cada rodada tendo 500 gerações a serem executadas. Para demonstrar os resultados do modelo implementado com o do Autoclustering, foram utilizadas técnicas de visualização da informação tais como Aluvial e Treemap. Os resultados obtidos indicam que o modelo proposto tem o fitness mais elevado e maior diversidade de indivíduos gerados (algoritmos de agrupamento) quando comparados com o modelo original.


MEMBROS DA BANCA:
Presidente - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Interno - 2325270 - BIANCHI SERIQUE MEIGUINS
Interno - 2410749 - CARLOS GUSTAVO RESQUE DOS SANTOS
Externo à Instituição - ARUANDA SIMOES GONCALVES MEIGUINS
Notícia cadastrada em: 30/11/2021 19:46
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - bacaba.ufpa.br.bacaba1