Banca de QUALIFICAÇÃO: YURI SANTA ROSA NASSAR DOS SANTOS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: YURI SANTA ROSA NASSAR DOS SANTOS
DATA: 05/04/2018
HORA: 10:00
LOCAL: ICEN - LAB - 01
TÍTULO:

Proposta de Extensão do Framework Autoclustering

PALAVRAS-CHAVES:

Programação Automática; Algoritmos de Agrupamento; Algoritmo de Estimativa de Distribuição; Algoritmos Evolutivos

PÁGINAS: 39
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

O estudo sobre as técnicas de programação automática pertence a área da Inteligência Artificial e estas técnicas abordam os mecanismos para o desenvolvimento automático de programas de computador. O framework AutoClustering tem como objetivo encontrar de forma automática qual algoritmo de agrupamento, já existente ou novo, é o mais adequado para um determinado problema. Está ferramenta utiliza um grafo acíclico direcionado como estrutura auxiliar na formação dos indivíduos da população, onde os vértices do grafo são os blocos de construção dos algoritmos de agrupamento baseados em densidade que representam as primitivas básicas do algoritmo. Dessa forma, este trabalho tem por objetivo extender o número de algoritmos utilizados pelo framework AutoClustering para que esta ferramenta aumente o número de soluções para um determinado problema. Para isso, foram pesquisados novos algoritmos de agrupamento baseados em densidade que pudessem aumentar a diversidade das técnicas produzidas para framework AutoClustering. Estes algoritmos precisam obedecer uma estutura pré-definida pelo AutoClustering para que possam funcionar corretamente com os outros algoritmos. Dessa forma, a metodologia proposta neste trabalho consiste em: pesquisar novos algoritmos de agrupamento baseados em densidade, analisar o algoritmo para extrair os blocos de construção, avaliar as ligações do grafo acíclico direcionado para conectar os novos blocos de construção e implementar os blocos de construção no framework AutoClustering. Dessa maneira, foi implementado uma versão do algoritmo Shared Nearest Neighbors (SNN), com a extração de 2 blocos de construção que foram conectados inicialmente a 2 blocos já pertecente ao AutoClustering. Após uma avaliação preliminar do framework AutoClustering, foram obtidos os seguintes fitness igual 96.78% e 98.91% para as bases de dados Cleveland Heart Diseases e Glass Identification, respectivamente. Os algoritmos de agrupamento (aplicados de forma individual) para fins de comparação com a metodologia inicial, que obtiveram o melhor resultado entre os demais algoritmos foram o DENCLUE e DHC com fitness de 95.93% e 96.23%, respectivamente.

MEMBROS DA BANCA:
Presidente - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Interno - 2325270 - BIANCHI SERIQUE MEIGUINS
Interno - 2323064 - FILIPE DE OLIVEIRA SARAIVA
Externo ao Programa - 2272363 - LIDIO MAURO LIMA DE CAMPOS