Uma Revisão Sobre Combinação de Agrupamentos

Murilo Coelho Naldi; Katti Faceli; André Carvalho

doi:10.22456/2175-2745.8522

Authors

Murilo Coelho Naldi ICMC - USP
Katti Faceli
André Carvalho

DOI:

https://doi.org/10.22456/2175-2745.8522

Abstract

Vários algoritmos de agrupamentos foram propostos na literatura. O uso de diferentes algoritmos de agrupamento, ou até mesmo de um único algoritmo, pode obter diferentes resultados quando aplicados em um mesmo conjunto de dados. A combinação de resultados, obtidos de uma técnica de classificação ou de técnicas distintas, é utilizada com sucesso para melhorar a estabilidade ou desempenho dessas técnicas. Por isto, nos últimos anos houve um aumento crescente no interesse do uso de combinação de agrupamentos de dados. Neste trabalho, é feita uma revisão sobre os principais métodos de combinação de agrupamentos encontrados na literatura. Para isso, a revisão começa com uma descrição do problema de combinação e uma análise dos objetivos comumente adotados por métodos de combinação. Em seguida, discorre-se sobre a necessidade da diversidade nos agrupamentos a serem combinados e métodos para medi-la. Também é definido um critério para medir a informação mútua entre agrupamentos e são apresentados exemplos de seu uso. O desempenho dos métodos foi comparado por vários autores na literatura e uma análise dessas comparações é realizada neste trabalho.

Downloads

Download data is not yet available.

Author Biographies

Murilo Coelho Naldi, ICMC - USP

Possui graduação em Bacharelado em Ciências da Computação pela Universidade de São Paulo (2004) e mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2006) . No momento, é aluno de doutorado e trabalha na área de computação bioinspirada, atuando principalmente nos seguintes temas: Agrupamento de dados, Algoritmos Genéticos, Computação Evolutiva, Mineração de dados, Combinação de Agrupamentos.

Katti Faceli

Possui graduação em Bacharelado Em Ciências da Computação pela Universidade de São Paulo (1998), mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2001) e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2006) e pós-doutorado em Ciência da Computação pela Universidade de São Paulo - São Carlos (2008). Atualmente é Professora Adjunta da Universidade Federal de São Carlos, Campus de Sorocaba. Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: aprendizado de máquina, bioinformática, análise de agrupamento e sistemas hibridos inteligentes.

André Carvalho

Possui graduação em Ciência da Computação pela Universidade Federal de Pernambuco (1987), mestrado em Ciências da Computação pela Universidade Federal de Pernambuco (1990) doutorado em Electronic Engineering - University of Kent at Canterbury (1994) e pós-doutorado pela Universidade do Porto (2006). Atualmente é professor titular da Universidade de São Paulo. É revisor ad hoc da Fundação de Amparo à Pesquisa do Estado de Alagoas, da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, assessor ad hoc da Fundação de Amparo à Pesquisa do Estado de São Paulo, do Conselho Nacional de Desenvolvimento Científico e Tecnológico, do Engineering and Physical Sciences Research Council, do Natural Sciences and Engineering Research Council of Canadá, do Leverhulme Trust, da Fundação de Amparo à Pesquisa do Estado de Mato Grosso, da Fundação de Amparo à Pesquisa do Estado de Minas Gerais e da Fundação Araucária de Apoio ao Desenv. Científico e Tecnológico do Paraná. É também avaliador de condições de ensino do Instituto Nacional de Estudos e Pesquisas Educacionais, Tem experiência na área de Ciência da Computação, com ênfase em Aprendizado de Máquina, atuando principalmente nos seguintes temas: redes neurais, aprendizado de máquina, bioinformática, algoritmos geneticos, mineração de dados e sistemas hibridos.