Banca de DEFESA: Gabriel Harrison Fidelis Teotonio

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: Gabriel Harrison Fidelis Teotonio
DATA : 25/05/2023
HORA: 14:00
LOCAL: Virtual
TÍTULO:

Variable Weighted Fuzzy Clustering Algorithm For Qualitative Data

PALAVRAS-CHAVES:

Agrupamento; Aprendizado não supervisionado; Distâncias 
adaptativas; Dados qualitativos

PÁGINAS: 62
RESUMO:

Este trabalho se concentra nos métodos de agrupamento dentro do aprendizado não supervisionado, uma subdivisão desafiadora da aprendizagem de máquina. O agrupamento é uma técnica para encontrar subgrupos em um conjunto de dados, onde as observações em cada grupo são semelhantes umas às outras e diferentes das observações em outros grupos. Os métodos de agrupamento existentes lidam com variáveis quantitativas, com o método K-Means sendo o mais conhecido e amplamente utilizado. No entanto, o algoritmo
K-Means não pode ser usado com variáveis qualitativas, como gênero ou nível de educação.
Para superar esta limitação, foi proposto o método K-Modes, que usa modos em vez de
médias para representar as classes. Os algoritmos de agrupamento existentes têm a limitação de atribuir importância igual a todas as características, o que pode ser problemático ao agrupar dados de alta dimensão e esparsos, onde a estrutura do agrupamento é limitada a um subconjunto específico de características. Para abordar este problema, foram propostas técnicas de agrupamento de subespaço e distâncias adaptativas, sendo estas últimas derivadas a partir de restrições baseadas na soma e no produto dos pesos relativos à importância das variáveis. O estudo propõe um novo algoritmo de agrupamento difuso para dados qualitativos baseado em distâncias adaptativas, o qual demonstra desempenho melhorado em comparação aos métodos convencionais. As distâncias adaptativas locais, que atribuem pesos diferentes para cada variável em relação aos agrupamentos, apresentam melhor desempenho para conjuntos de dados com altos níveis de dispersão e sobreposição de classes. Os resultados do estudo ampliam as capacidades dos algoritmos de agrupamento existentes baseados em distâncias adaptativas.

MEMBROS DA BANCA:
Externo à Instituição - BRUNO ALMEIDA PIMENTEL - UFAL
Presidente - 2317415 - NIVAN ROBERTO FERREIRA JUNIOR
Interna - 1511021 - RENATA MARIA CARDOSO RODRIGUES DE SOUZA