Orientadores: Priscila Cristina Berbert Rampazzo, Flávia Barbosa

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas

Resumo: A associação das temáticas Agrupamento de Dados e Otimização Multiobjetivo tornou-se uma alternativa atraente para alguns dos problemas enfrentados por algoritmos tradicionais de agrupamento. Os pesquisadores têm dedicado esforço considerável para aperfeiçoar os métodos de agrupamento...

Resumo: A associação das temáticas Agrupamento de Dados e Otimização Multiobjetivo tornou-se uma alternativa atraente para alguns dos problemas enfrentados por algoritmos tradicionais de agrupamento. Os pesquisadores têm dedicado esforço considerável para aperfeiçoar os métodos de agrupamento Multiobjetivo. Porém, poucos exploram os resultados obtidos através de uma análise a posteriori. Neste trabalho, utilizamos um algoritmo com diferentes funções de distância para explorar os conflitos entre diferentes perspectivas do problema. Ao final, obtemos um conjunto de soluções não-dominadas, que carregam informações sobre possíveis estruturas de agrupamento. Depois disso, uma análise a posteriori é proposta para explorar o conhecimento dessas soluções e extrair informações complementares sobre o problema. Os resultados sugerem que as informações geradas pela fronteira não-dominada podem auxiliar na análise exploratória do problema e serem utilizadas em tarefas como a rotulação de dados

Abstract: The association of the themes of Data Clustering and Multiobjective Optimization has become an attractive alternative to some problems of the traditional clustering algorithm. Researchers have devoted considerable effort to improving multiobjective clustering methods. However, few explore...

Abstract: The association of the themes of Data Clustering and Multiobjective Optimization has become an attractive alternative to some problems of the traditional clustering algorithm. Researchers have devoted considerable effort to improving multiobjective clustering methods. However, few explore the results obtained in a posteriori analysis. In this work, we use an algorithm with different distance functions to explore conflicts between different perspectives of the problem. By the end, we obtain a set of non-dominated solutions, carrying out information about the possible clustering structure. After that, we pursue a posteriori analysis to exploit the knowledge of these solutions and extract complementary information about the problem. The results suggest that the information generated by the non-dominated frontier can help in the exploratory analysis of the problem and be used in tasks such as data labeling

Requisitos do sistema: Software para leitura de arquivo em PDF