Adaptação de viés indutivo de algoritmos de agrupamento de fluxos de dados (2012)
- Autores:
- Autor USP: ALBERTINI, MARCELO KEESE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Assuntos: APRENDIZADO COMPUTACIONAL; SISTEMAS DINÂMICOS
- Palavras-chave do autor: Agrupamento de dados; Aprendizado de máquina; Data clustering; Data streams; Fluxos de dados; Machine learning
- Idioma: Português
- Resumo: Diversas áreas de pesquisa são dedicadas à compreensão de fenômenos que exigem a coleta ininterrupta de sequências de amostras, denominadas fluxos de dados. Esses fenômenos frequentemente apresentam comportamento variável e são estudados por meio de indução não supervisionada baseada em agrupamento de dados. Atualmente, o processo de agrupamento tem exibido sérias limitações em sua aplicação a fluxos de dados, devido às exigências impostas pelas variações comportamentais e pelo modo de coleta de dados. Embora tem-se desenvolvido algoritmos eficientes para agrupar fluxos de dados, há a necessidade de estudos sobre a influência de variações comportamentais nos parâmetros de algoritmos (e.g., taxas de aprendizado e limiares de proximidade), as quais interferem diretamente na compreensão de fenômenos. Essa lacuna motivou esta tese, cujo objetivo foi a proposta de uma abordagem para a adaptação do viés indutivo de algoritmos de agrupamento de fluxos de dados de acordo com variações comportamentais dos fenômenos em estudo. Para cumprir esse objetivo projetou-se: i) uma abordagem baseada em uma nova arquitetura de rede neural artificial que permite avaliação de comportamento de fenômenos por meio da estimação de cadeias de Markov e entropia de Shannon; ii) uma abordagem para adaptar parâmetros de algoritmos de agrupamento tradicional de acordo com variações comportamentais em blocos sequenciais de dados; e iii) uma abordagem para adaptar parâmetros de agrupamento de acordo com acontínua avaliação da estabilidade de dados. Adicionalmente, apresenta-se nesta tese uma taxonomia de técnicas de detecção de variação comportamental de fenômenos e uma formalização para o problema de agrupamento de fluxos de dados
- Imprenta:
- Local: São Carlos
- Data de publicação: 2012
- Data da defesa: 11.04.2012
-
ABNT
ALBERTINI, Marcelo Keese. Adaptação de viés indutivo de algoritmos de agrupamento de fluxos de dados. 2012. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2012. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-12062012-085839/. Acesso em: 19 abr. 2024. -
APA
Albertini, M. K. (2012). Adaptação de viés indutivo de algoritmos de agrupamento de fluxos de dados (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-12062012-085839/ -
NLM
Albertini MK. Adaptação de viés indutivo de algoritmos de agrupamento de fluxos de dados [Internet]. 2012 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-12062012-085839/ -
Vancouver
Albertini MK. Adaptação de viés indutivo de algoritmos de agrupamento de fluxos de dados [Internet]. 2012 ;[citado 2024 abr. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-12062012-085839/
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas