Banca de DEFESA: EDUARDO CINTRA SIMOES

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: EDUARDO CINTRA SIMOES
DATA : 30/08/2024
HORA: 08:00
LOCAL: Virtual
TÍTULO:

Agrupamento difuso c-means com kernel gaussiano, kernelização 

da métrica, cálculo e regularização automática dos parâmetros de largura

PALAVRAS-CHAVES:

agrupamento particional; grupos difusos; kernelização da 
métrica de distância; kernel gaussiano; parâmetros de largura; 
regularização da entropia

PÁGINAS: 87
RESUMO:

Os algoritmos convencionais de agrupamento difuso c-means baseados no 
Kernel gaussiano requerem a seleção de hiperparâmetros de largura, que são 
dependentes dos dados e fixos durante a execução completa. Não apenas isso, 
mas esses parâmetros são os mesmos para cada variável da base de dados. Ou 
seja, as variáveis possuem a mesma importância para o algoritmo de 
agrupamento, independente da sua relevância para uma melhor separação. Esta 
tese propõe um algoritmo de agrupamento difuso c-means baseados no Kernel 
gaussiano com kernelização da métrica de distância e computação automática 
dos parâmetros de largura. Esses parâmetros de largura são modificados a 
cada iteração do algoritmo e são diferentes para cada variável e grupo.
Dessa forma, esse algoritmo pode re-escalar as variáveis independentemente, 
destacando aquelas que são mais relevantes para a atividade de agrupamento.
Algoritmos de agrupamento difuso com regularização se tornaram populares 
graças a sua alta performance em dados de agrupamento de larga-escala, 
robustez para inicialização, e baixa complexidade computacional. Já que os 
parâmetros de largura das variáveis também podem ser controlados pela 
entropia, então esta tese também propõe algoritmos de agrupamento difuso 
c-means baseados no Kernel gaussiano com kernelização da métrica de 
distância e computação automática dos parâmetros de largura a partir da 
regularização da entropia.
Para demonstrar a sua utilidade, os algoritmos propostos foram comparados 
com o algoritmo convencional KFCM-K em 40 bases de dados e com o método de 
Monte Carlo em 7 base sintéticas, utilizando métricas para as partições 
exclusiva e difusa dos elementos. Dessa forma, foi possível determinar que 
os métodos propostos se comportam de forma competitiva em relação aos 
modelos de referência.

MEMBROS DA BANCA:
Presidente - 1699034 - ADRIANO LORENA INACIO DE OLIVEIRA
Interno - 1675582 - CLEBER ZANCHETTIN
Interno - 1412012 - FERNANDO MACIANO DE PAULA NETO
Externo à Instituição - RENATO CORDEIRO DE AMORIM - OUTRA
Externo à Instituição - MARCILIO CARLOS PEREIRA DE SOUTO - OUTRA