Biblioteca Digital de Teses e Dissertações
Biblioteca Digital de Teses e Dissertações
| Compartilhamento |
|
Exportar este item:
Use este identificador para citar ou linkar para este item:
http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/5006| Tipo do documento: | Dissertação |
| Título: | MCAC - Monte Carlo Ant Colony: um novo algoritmo estocástico de agrupamento de dados |
| Autor: | AGUIAR, José Domingos Albuquerque  |
| Primeiro orientador: | SOUZA, Adauto José Ferreira de |
| Primeiro coorientador: | STOSIC, Borko |
| Primeiro membro da banca: | CORDEIRO, Gauss Moutinho |
| Segundo membro da banca: | MELO, Silvio de Barros |
| Resumo: | Esta dissertação apresenta um algoritmo inédito de agrupamento de dados que têm como fundamentos o método de Monte Carlo e uma heurística que se baseia no comportamento social das formigas, conhecida como Otimização por Colônias de Formigas. Neste trabalho realizou-se um estudo comparativo do novo algoritmo com outros dois algoritmos de agrupamentos de dados. O primeiro algoritmo é o KMédias que é muito conhecido entre os pesquisadores. O segundo é um algoritmo que utiliza a Otimização por Colônias de Formigas juntamente com um híbrido de outros métodos de otimização. Para implementação desse estudo comparativo utilizaram-se oito conjuntos de dados sendo três conjuntos de dados reais, dois artificiais gerados deterministicamente e três artificiais gerados aleatoriamente. Os resultados do estudo comparativo demonstram que o novo algoritmo identifica padrões nas massas de dados, com desempenho igual ou superior aos outros dois algoritmos avaliados. Neste trabalho investigou-se também a capacidade do novo algoritmo em identificar o número de grupos existentes nos conjuntos dados. Os resultados dessa investigação mostram que o novo algoritmo é capaz de identificar o de número provável de grupos existentes dentro do conjunto de dados. |
| Abstract: | In this work we present a new data cluster algorithm based on social behavior of ants which applies Monte Carlo simulations in selecting the maximum path length of the ants. We compare the performance of the new method with the popular k-means and another algorithm also inspired by the social ant behavior. For the comparative study we employed three data sets from the real world, three deterministic artificial data sets and two random generated data sets, yielding a total of eight data sets. We find that the new algorithm outperforms the others in all studied cases but one. We also address the issue concerning about the right number of groups in a particular data set. Our results show that the proposed algorithm yields a good estimate for the right number of groups present in the data set. |
| Palavras-chave: | Dados estatísticos Método de Monte Carlo Otimização matemática Agrupamento de dados Otimização por colônias de formigas Method Monte Carlo Data clustering |
| Área(s) do CNPq: | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
| Idioma: | por |
| País: | Brasil |
| Instituição: | Universidade Federal Rural de Pernambuco |
| Sigla da instituição: | UFRPE |
| Departamento: | Departamento de Estatística e Informática |
| Programa: | Programa de Pós-Graduação em Biometria e Estatística Aplicada |
| Citação: | AGUIAR, José Domingos Albuquerque. MCAC - Monte Carlo Ant Colony: um novo algoritmo estocástico de agrupamento de dados. 2008. 90 f. Dissertação (Programa de Pós-Graduação em Biometria e Estatística Aplicada) - Universidade Federal Rural de Pernambuco, Recife. |
| Tipo de acesso: | Acesso Aberto |
| URI: | http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/5006 |
| Data de defesa: | 29-Fev-2008 |
| Aparece nas coleções: | Mestrado em Biometria e Estatística Aplicada |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Jose Domingos Albuquerque Aguiar.pdf | Documento principal | 799,63 kB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.