Aprendizagem participativa em agrupamento nebuloso de dados
AUTOR(ES)
Leila Roling Scarit da Silva
DATA DE PUBLICAÇÃO
2003
RESUMO
Este trabalho apresenta um algoritmo para agrupamento nebuloso de dados, derivado do paradigma de aprendizagem participativa introduzido por Yager na década de noventa. O algoritmo de aprendizagem participativa utiliza a distância de Mahalanobis como medida de similaridade e parâmetros de controle para o agrupamento não supervisionado de dados. O desempenho do algoritmo é verificado em duas circunstâncias. A primeira considera diferentes conjuntos de dados sintéticos e a segunda utiliza o conjunto de dados real, Iris. Em ambos os casos, o algoritmo determina o número de classes e os respectivos centros com sucesso. O algoritmo também se mostra competitivo quando comparado com cinco outros importantes algoritmos de agrupamento nebuloso: algoritmo C-Means Nebuloso (FCM), Gustafson-Kessel (GK), Aprendizagem Competitiva Nebulosa (FCL), Aprendizagem Competitiva Elíptica Nebulosa Sensível a Freqüência (FFSECL) e K-Means Nebuloso Modificado (MFKM).
ASSUNTO(S)
sistemas auto-organizadores conjuntos difusos inteligencia artificial
ACESSO AO ARTIGO
http://libdigi.unicamp.br/document/?code=vtls000296353Documentos Relacionados
- Detecção de exsudatos em imagens de retina por técnicas de morfologia matemática e agrupamento nebuloso
- Agrupamento de dados superparamagnético.
- Aplicação da análise de agrupamento de dados de expressão gênica temporal a dados em painel
- Utilizando agrupamento com restrições e agrupamento espectral para integração de dados de enzimas
- Um algoritmo bioinspirado para agrupamento de dados