Show simple item record

Enxame de partículas aplicado ao agrupamento de textos

dc.creatorPrior, Ana Karina Fontespt_BR
dc.date.accessioned2016-03-15T19:37:34Z
dc.date.accessioned2020-05-28T18:08:29Z
dc.date.available2011-01-28pt_BR
dc.date.available2020-05-28T18:08:29Z
dc.date.issued2010-12-22pt_BR
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24314
dc.description.abstractThe 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.eng
dc.description.sponsorshipFundo Mackenzie de Pesquisapt_BR
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.subjectenxame de partículaspor
dc.subjectmineração de textospor
dc.subjectmineração de dadospor
dc.subjectagrupamento de textospor
dc.subjectagrupamento de dadospor
dc.subjectparticle swarmseng
dc.subjecttext miningeng
dc.subjectdata miningeng
dc.subjectclusteringeng
dc.titleEnxame de partículas aplicado ao agrupamento de textospor
dc.titleEnxame de partículas aplicado ao agrupamento de textospor
dc.typeDissertaçãopor
dc.publisher.departmentEngenharia Elétricapor
dc.publisher.programEngenharia Elétricapor
dc.publisher.initialsUPMpor
dc.publisher.countryBRpor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApor
dc.description.resumoA grande quantidade de dados gerados por pessoas e organizações tem estimulado a pesquisa sobre métodos efetivos e automáticos de extração de conhecimentos a partir de bases de dados. Essa dissertação propõe duas novas técnicas bioinspiradas, denominadas cPSC e oPSC, baseadas no algoritmo de otimização por enxame de partículas (PSO - Particle Swarm Optimization) para resolver problemas de agrupamento de dados. Os algoritmos propostos são aplicados a problemas de agrupamento de dados e textos, e seus desempenhos são comparados com outros propostos na literatura específica. Os resultados obtidos nos permitem concluir que os algoritmos propostos são competitivos com aqueles já disponíveis na literatura, porém trazem outros benefícios como a determinação automática do número de grupos nas bases e a efetuação de uma busca pelo melhor particionamento possível da base considerando uma função de custo explícita.por
dc.creator.Latteshttp://lattes.cnpq.br/6962170410019763por
dc.contributor.advisor1Silva, Leandro Nunes de Castropt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2741458816539568por
dc.contributor.referee1Silva, Leandro Augusto dapt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1396385111251741por
dc.contributor.referee2Carvalho, Marco Antônio Garcia dept_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6366443994619479por
dc.thumbnail.urlhttp://tede.mackenzie.br/jspui/retrieve/3783/Ana%20Karina%20Fontes%20Prior.pdf.jpg*
dc.bitstream.urlhttp://tede.mackenzie.br/jspui/bitstream/tede/1398/1/Ana%20Karina%20Fontes%20Prior.pdf


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record