Navegando por Autor "Moura, Ronildo Pinheiro de Araújo"
Agora exibindo 1 - 3 de 3
- Resultados por página
- Opções de Ordenação
Dissertação Algoritmos de agrupamentos fuzzy intervalares e índice de validação para agrupamento de dados simbólicos do tipo intervalo(Universidade Federal do Rio Grande do Norte, 2014-02-21) Moura, Ronildo Pinheiro de Araújo; Bedregal, Benjamin René Callejas; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4781417E7; ; MOURA, Ronildo P. A.; Canuto, Anne Magaly de Paula; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8; Carvalho, Francisco de Assis Tenório de; ; http://lattes.cnpq.br/3909162572623711; Santiago, Regivan Hugo Nunes; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790032Z4A Análise de Dados Simbólicos (SDA) tem como objetivo prover mecanismos de redução de grandes bases de dados para extração do conhecimento e desenvolver métodos que descrevem esses dados em unidades complexas, tais como, intervalos ou um histograma. O objetivo deste trabalho é estender métodos de agrupamento clássicos para dados simbólicos intervalares baseados em distâncias essencialmente intervalares. A principal vantagem da utilização de uma distância essencialmente intervalar está no fato da preservação da imprecisão inerente aos intervalos, pois a imprecisão é normalmente perdida quando as distâncias valoradas em R são aplicadas. Este trabalho inclui uma abordagem que permite adaptar índices de validação de agrupamento existentes para o contexto intervalar. Os métodos propostos com distâncias essencialmente intervalares são comparados a distâncias pontuais existentes na literatura através de experimentos realizados com dados sintéticos e reais intervalaresTese Comitê de agrupamentos hierárquicos que preserva a Ttransitividade(2018-10-05) Moura, Ronildo Pinheiro de Araújo; Bedregal, Benjamin Rene Callejas; ; ; Canuto, Anne Magaly de Paula; ; Costa, Flávio Bezerra; ; Santos, Araken de Medeiros; ; Palmeira, Eduardo Silva;A ideia principal do aprendizado por comitês é aprimorar os resultados de métodos de aprendizagem de máquina combinando múltiplos modelos. Inicialmente aplicada a problemas de aprendizagem supervisionada, esta abordagem permite produzir resultados com qualidade superior em relação a um único modelo. Da mesma forma, aprendizagem de comitê aplicados ao aprendizado não supervisionado, ou consenso de agrupamento, produz agrupamentos de alta qualidade. A maioria dos métodos de comitê para agrupamento de dados são destinados a algoritmos particionais, e apresentam resultados de qualidade superior aos agrupamentos simples. Deste modo, é razoável esperar que a combinação de agrupamentos hierárquicos possa levar a um agrupamento hierárquico de melhor qualidade. Os estudos recentes não consideram as particularidades inerentes aos diferentes métodos de agrupamento hierárquico durante o processo do consenso. Este trabalho investiga a consistência dos resultados do consenso considerando diferentes métodos de agrupamento hierárquico utilizados para gerar o comitê. Uma abordagem é proposta para preservar um tipo de transitividade presente nos dendrogramas. Neste algoritmo, os dendrogramas representando os resultados individuais dos agrupamentos bases são convertidos em matrizes ultramétricas. Então, após um processo de fuzzificação, alguns operadores de agregação com a capacidade de preservar uma t-transitividade geram uma matriz consenso. O agrupamento hierárquico final é obtido a partir da matriz consenso. A análise de resultados dos experimentos realizados em conjuntos de dados conhecidos e a visualização da operação do algoritmo em conjunto de dados visuais (duas dimensões) indica que esta abordagem consegue melhorar a acurácia enquanto é consistente com o método gerador.Tese Uma metodologia para definição do número de grupos e do conjunto de centros iniciais para algoritmos particionais(Universidade Federal do Rio Grande do Norte, 2021-02-05) Silva, Huliane Medeiros da; Bedregal, Benjamin Rene Callejas; Canuto, Anne Magaly de Paula; 66487099449; http://lattes.cnpq.br/1357887401899097; http://lattes.cnpq.br/4601263005352005; http://lattes.cnpq.br/1797223363490431; Santos, Araken de Medeiros; http://lattes.cnpq.br/8059198436766378; Dimuro, Graçaliz Pereira; http://lattes.cnpq.br/9414212573217453; Moura, Ronildo Pinheiro de Araújo; http://lattes.cnpq.br/8664977292629302O agrupamento de dados consiste em agrupar objetos semelhantes de acordo com alguma característica. Na literatura, existem diversos algoritmos de agrupamento, dentre os quais destaca-se o algoritmo Fuzzy C-Means (FCM), um dos mais discutidos e utilizados em diferentes aplicações. Embora seja um método de agrupamento simples e fácil de manipular, o algoritmo FCM requer como parâmetro inicial o número de grupos. No geral, essa informação é desconhecida, a priori, e se torna um problema relevante no processo de análise de agrupamento de dados. Além disso, o desenho do algoritmo FCM depende fortemente da seleção dos centros iniciais dos grupos. Normalmente, a escolha do conjunto de centros iniciais é feita aleatoriamente, o que pode comprometer o desempenho do FCM e, consequentemente, o processo de análise de agrupamento. Neste contexto, este trabalho propõe uma nova metodologia pra determinar o número de grupos e o conjunto de centros iniciais de algoritmos particionais, usando como estudo de caso o algoritmo FCM e algumas de suas variantes. A ideia é usar um subconjunto dos dados originais para definir o número de grupos e determinar o conjunto de centros iniciais através de um método baseado em funções do tipo média. Com essa nova metodologia, pretende-se reduzir os efeitos colaterais da fase de definição de grupos, possivelmente tornando mais rápido o tempo de processamento e diminuindo o custo computacional. Para avaliar a metodologia proposta, serão utilizados diferentes índices de validação de agrupamento, capazes de avaliar a qualidade dos agrupamentos obtidos pelo algoritmo FCM e algumas de suas variantes, quando aplicados a diferentes bases de dados.