Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/15032
metadata.ojs.dc.title: Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos
metadata.ojs.dc.title.alternative: Determination of the number of clusters in multidimensional data sets using genetic algorithms
metadata.ojs.dc.creator: Izidoro, Sandro Carvalho
metadata.ojs.dc.subject: Inteligência artificial
Análise de agrupamentos
Algoritmos genéticos
Função de densidade de probabilidade
Artificial intelligence
Cluster analysis
Genetic algorithms
Probability density function
metadata.ojs.dc.publisher: Universidade Federal de Lavras (UFLA)
metadata.ojs.dc.date: 1-Dec-2005
metadata.ojs.dc.identifier.citation: IZIDORO, S. C. Determinação do número de agrupamentos em conjuntos de dados multidimensionais utilizando algoritmos genéricos. INFOCOMP Journal of Computer Science, Lavras, v. 4, n. 4, p. 67-72, Dec. 2005.
metadata.ojs.dc.description.resumo: A análise de agrupamentos tem sido utilizada com sucesso nas mais diversas áreas de pesquisa com o objetivo de agrupar dados semelhantes segundo suas características. Uma técnica eficiente na análise de agrupamentos é a utilização da função de densidade de probabilidade que apresenta o número de agrupamentos graficamente. Os algoritmos genéticos foram utilizados com sucesso para informar o número de agrupamentos em um conjunto de dados unidimensional. Os métodos existentes para a análise de agrupamentos em dados multidimensionais necessitam de um número aproximado de agrupamentos para localizá-los. O desempenho destes métodos depende diretamente deste número de agrupamentos. O propósito deste trabalho é utilizar os algoritmos genéticos para predizer o número de agrupamentos em dados multidimensionais.
metadata.ojs.dc.description.abstract: The cluster analysis has been used successfully in several research areas with the objective of grouping similar data according to their features. An efficient technique in cluster analysis is the use of the probability density function that presents the number of clusters graphically. The genetic algorithms were used with success to inform the number of clusters in a group of unidimensional data. The existent methods for the cluster analysis in multidimensional data need an approximate number of clusters to locate them. The acting of these methods depends directly on this number of clusters. The purpose of this work is to use the genetic algorithms to predict the number of clusters in multidimensional data.
metadata.ojs.dc.language: por
Appears in Collections:Infocomp



This item is licensed under a Creative Commons License Creative Commons