Enxame de partículas aplicado ao agrupamento de textos / Enxame de partículas aplicado ao agrupamento de textos

AUTOR(ES)

Ana Karina Fontes Prior

DATA DE PUBLICAÇÃO

2010

RESUMO

The large number of data generated by people and organizations has stimulated the research on effective and automatic methods of knowledge extraction from databases. This dissertation proposes two new bioinspired techniques, named cPSC and oPSC, based on the Particle Swarm Optimization Algorithm (PSO) to solve data clustering problems. The proposed algorithms are applied to data and text clustering problems and their performances are compared with a standard algorithm from the literature. The results allow us to conclude that the proposed algorithms are competitive with those already available in literature, but bring benefits such as automatic determination of the number of groups on the dataset and a search for the best partitioning of the dataset considering an explicit cost function.

ASSUNTO(S)

engenharia eletrica data mining clustering mineração de textos agrupamento de textos enxame de partículas mineração de dados agrupamento de dados particle swarms text mining

Documentos Relacionados

• Agrupamento e classificação de dados usando enxame de partículas
• Algoritmo genético híbrido aplicado ao problema de agrupamento de dados
• Estratégias de aplicações sequenciais e paralelas da metaheurística otimização por enxame de partículas ao problema do caixeiro viajante
• Otimização de uma cadeia de suprimentos usando a metaheurística enxame de partículas
• Uma abordagem hiper-heurística inspirada em enxame de partículas