Exportar registro bibliográfico


Metrics:

Improving the efficiency of k-medoids algorithms using metric access methods (2024)

  • Authors:
  • Autor USP: TEIXEIRA, LARISSA ROBERTA - ICMC
  • Unidade: ICMC
  • Sigla do Departamento: SCC
  • DOI: 10.11606/D.55.2024.tde-27082024-144742
  • Subjects: PROCESSAMENTO DE DADOS; ANÁLISE DE DADOS; BANCO DE DADOS
  • Keywords: Agrupamento; Clustering; Dados dimensionais; Dimensional data; Indexação; Indexing; k-medoids; k-medoids; Métodos de acesso métrico; Metric access method
  • Language: Inglês
  • Abstract: Inicialmente, as técnicas e ferramentas de processamento de dados foram desenvolvidas para lidar com tipos de dados escalares. Contudo, com o avanço tecnológico, houve um crescimento significativo na quantidade e complexidade dos dados. Assim, tornou-se necessário o desenvolvimento de técnicas que permitam a manipulação eficiente de tipos de dados complexos. Consideramos aqui como complexos os dados que não contam com uma definição predefinida sobre como devem ser comparados, como é o caso de comparações envolvendo similaridade. Entre as estratégias existentes na literatura, destaca-se a detecção de agrupamento que busca encontrar padrões nos dados através da criação de grupos. Na literatura, os algoritmos de agrupamento baseados em k-medoids destacam-se como uma das abordagens mais utilizadas. Entretanto, esses métodos possuem alto custo computacional quando aplicados em grandes conjuntos de dados. Embora muitos trabalhos na literatura busquem otimizar os algoritmos k-medoids, eles ainda enfrentam limitações quando aplicados a grandes conjuntos de dados, especialmente quando esses dados são complexos, uma vez que exigem o cálculo e armazenamento de uma matriz de distância em memória. Isso os torna inviáveis para lidar com tais conjuntos de dados. Nesta dissertação de mestrado, foi proposto um novo algoritmo que melhora a eficiência computacional da etapa de dos algoritmos k-medoids. O KluSIM utiliza Métodos de Acesso para podar o espaço de busca, acelerando a etapa detroca. Além disso, o KluSIM elimina a necessidade de manter uma matriz de distância em memória principal, superando efetivamente as limitações de memória encontradas nas metodologias existentes. No geral, os experimentos realizados mostram que o KluSIM contribui de maneira efetiva na otimização da etapa de troca dos algoritmos k-medoids, reduzindo significativamente o número de cálculos de distância necessárias durante o processo de agrupamento. O KluSIM pode ser aplicado em tarefas de big data, uma vez que mostrou-se ser escalável e eficaz para o agrupamento nos conjunto de dados nos testes executados.
  • Imprenta:
  • Data da defesa: 03.07.2024
  • Acesso à fonteAcesso à fonteDOI
    Informações sobre o DOI: 10.11606/D.55.2024.tde-27082024-144742 (Fonte: oaDOI API)
    • Este periódico é de acesso aberto
    • Este artigo NÃO é de acesso aberto

    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      TEIXEIRA, Larissa Roberta. Improving the efficiency of k-medoids algorithms using metric access methods. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27082024-144742/. Acesso em: 14 fev. 2026.
    • APA

      Teixeira, L. R. (2024). Improving the efficiency of k-medoids algorithms using metric access methods (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27082024-144742/
    • NLM

      Teixeira LR. Improving the efficiency of k-medoids algorithms using metric access methods [Internet]. 2024 ;[citado 2026 fev. 14 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27082024-144742/
    • Vancouver

      Teixeira LR. Improving the efficiency of k-medoids algorithms using metric access methods [Internet]. 2024 ;[citado 2026 fev. 14 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27082024-144742/


Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2026