Orador: Fernanda Pires Costa
Departamento de Matemática - CMAT - Universidade do Minho
Resumo:
Neste seminário apresenta-se um método iterativo de partição de clustering que sequencialmente aplica cinco processos: adição, eliminação, divisão, eliminação e otimização.
Baseia-se em scores da probabilidade de aptidão dos centros dos clusters, de modo a identificar os centros menos ajustados que devem entrar num processo de otimização, com o
objetivo de melhorar a sua posição, em cada iteração. Além disso, os parâmetros existentes nos processos de eliminação, divisão e otimização são afinados dinamicamente e dependem do problema de clustering em análise. O algoritmo proposto é avaliado em quatro conjuntos de dados. Os resultados são comparados com os obtidos pelos algoritmos K-means e DBSCAN, através da visualização do clustering, do valor do índice DB e do valor da função objetivo do processo de otimização. A comparação dos resultados mostra que o algoritmo proposto é eficaz e competitivo.
Formato híbrido: Zoom link