Use este identificador para citar ou linkar para este item: https://repositorio.ufrn.br/jspui/handle/123456789/21570
Título: Contribuição ao estudo de fusão de mapas auto organizáveis de Kohonen com ponderação por meio de índices de validação de agrupamentos
Autor(es): Pasa, Leandro Antonio
Palavras-chave: Comitês de máquinas;Mapas auto-organizáveis de Kohonen;Índice de validação de agrupamentos
Data do documento: 19-Fev-2016
Citação: PASA, Leandro Antonio. Contribuição ao estudo de fusão de mapas auto organizáveis de Kohonen com ponderação por meio de índices de validação de agrupamentos. 2016. 55f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2016.
Resumo: The amount of collected and stored information is growing every day in several areas of knowledge and data mining techniques are applied to these datasets in order to extract useful knowledge. One or another algorithm, or the same algorithm with different attributes, can lead to different results due to the dataset diversity. To solve this problem, machines committees methods were developed. A machine committee is a set of neural networks working independently and the results are combined into a single output, achieving a better generalization. The purpose of this work is to develop a new method for Kohonen maps ensemble, where the maps fusion is weighted by cluster validation indices and is suitable for equal size maps fusion and for different size maps fusion. The proposed algorithm has been tested in multiple data sets from the UCI Machine Learning Repository and Fundamental Clustering Problems Suite. Computer simulations show the proposed method is able to reach encouraging results, obtaining raising performance compared with a single Kohonen map.
metadata.dc.description.resumo: A quantidade de informações coletadas e armazenadas cresce a cada dia nas mais diversas áreas do conhecimento e técnicas de mineração de dados são aplicadas a estes conjuntos de dados com o objetivo de extrair conhecimento útil. A utilização de um ou outro algoritmo, ou o mesmo algoritmo com diferentes atributos pode levar a diferentes resultados, devido à diversidade dos conjuntos de dados. Na busca por soluções eficientes para este problema, foram desenvolvidos métodos de comitês de máquinas. Um comitê de máquinas é um conjunto de redes neurais trabalhando independentemente cujos resultados são combinados em uma única saída, alcançando uma melhor generalização do que cada uma das redes trabalhando separadamente. A proposta deste trabalho é desenvolver um novo método para comitês de mapas de Kohonen, em que a combinação (fusão) dos mapas seja ponderada por índices de validação de agrupamentos, que seja válido para combinação de mapas de tamanhos iguais e mapas de tamanhos diferentes. O algoritmo proposto foi testado em variados conjuntos de dados provenientes do repositório UCI e do Conjunto de Problemas Fundamentais de Agrupamento. As simulações computacionais demonstram que o método proposto neste trabalho é capaz de alcançar resultados promissores, conseguindo elevar a performance em comparação com um único mapa de Kohonen.
URI: https://repositorio.ufrn.br/jspui/handle/123456789/21570
Aparece nas coleções:PPGEE - Doutorado em Engenharia Elétrica e de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
LeandroAntonioPasa_TESE.pdf2,23 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.