Banca de DEFESA: SARA INES RIZO RODRIGUEZ

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : SARA INES RIZO RODRIGUEZ
DATA : 21/02/2022
HORA: 14:00
LOCAL: Google Meet
TÍTULO:

Clustering algorithms with new automatic variables weighting

PALAVRAS-CHAVES:

Agrupamento particional, Distâncias adaptativas, Agrupamento robusto, Análise de dados intervalares, Métodos baseados em regularização.

PÁGINAS: 142
RESUMO:

Todos os dias, uma grande quantidade de informações é armazenada ou representada como dados para posterior análise e gerenciamento. A análise de dados desempenha um papel indispensável na compreensão de diferentes fenômenos. Um dos meios vitais de lidar com esses dados é classificá-los ou agrupá-los em um conjunto de categorias ou grupos. O agrupamento ou análise de agrupamento visa dividir uma coleção de itens de dados em grupos, dada uma medida de similaridade. O agrupamento tem sido usado em vários campos, como processamento de imagens, mineração de dados, reconhecimento de padrões e análise estatística. Geralmente, os métodos de agrupamento lidam com objetos descritos por variáveis de valor real. No entanto, essa representação é muito restritiva para representar dados complexos, como listas, histogramas ou mesmo intervalos. Além disso, em alguns problemas, muitas dimensões são irrelevantes e podem mascarar os grupos existentes, por exemplo, os grupos podem existir em diferentes subconjuntos das variáveis. Este trabalho enfoca a análise de agrupamento de dados descritos por variáveis de valor real e de valor de intervalo. Nesse sentido, novos algoritmos de agrupamento de subespaço flexível foram propostos, nos quais a correlação e a relevância das variáveis são consideradas para melhorar o desempenho. No caso de dados com valor de intervalo, assumimos que a importância dos limites das variáveis com valor de intervalo pode ser a mesma ou pode ser diferente para o processo de agrupamento. Como os métodos baseados em regularização são robustos à inicializações, as abordagens propostas introduzem um termo de regularização para controlar o grau de pertinência dos objetos aos grupos. Essas regularizações são populares devido ao alto desempenho no agrupamento de dados em grande escala e baixa complexidade computacional. Esses algoritmos iterativos de três etapas fornecem uma partição difusa, um representante para cada grupo, e o peso de relevância das variáveis ou sua correlação, minimizando uma função objetivo adequada. Experimentos com conjuntos de dados sintéticos e reais corroboram a robustez e utilidade dos métodos de agrupamento propostos.

MEMBROS DA BANCA:
Externo à Instituição - VINICIUS LAYTER XAVIER - UERJ
Presidente - 1675582 - CLEBER ZANCHETTIN
Externo à Instituição - HELOISA DE ARRUDA CAMARGO - UFSCAR
Interno - 1890208 - PAULO SALGADO GOMES DE MATTOS NETO
Interno - 1511095 - TSANG ING REN