Skip navigation
  1. RI UFPE
  2. Teses e Dissertações
  3. Teses e Dissertações defendidas na UFPE
  4. Programa de Pós-Graduação em Ciência da Computação
  5. Dissertações de Mestrado - Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/58382

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorCARVALHO, Francisco de Assis Tenório de-
dc.contributor.authorMELO, Filipe Martins de-
dc.date.accessioned2024-10-31T16:29:29Z-
dc.date.available2024-10-31T16:29:29Z-
dc.date.issued2014-02-26-
dc.identifier.citationMELO, Filipe Martins de. Agrupamento fuzzy c-medoids semi-supervisionado de dados relacionais representados por múltiplas matrizes de dissimilaridade. 2014. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2014.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/58382-
dc.description.abstractAgrupamento semi-supervisionado de dados é uma forma especial de classificação que usa uma grande quantidade de dados não rotulados combinados com uma pequena parcela de informação supervisionada para melhorar a qualidade dos grupos. Esse trabalho introduz um algoritmo semi-supervisionado do tipo fuzzy c-medoids para agrupamento de dados relacionais representados por múltiplas matrizes de dissimilaridade que tem como objetivo produzir uma partição fuzzy e um conjunto de medoids para cada um desses grupos ao mesmo tempo em que aprende um vetor de relevância para cada tabela, e otimiza o critério de adequação entre os grupos fuzzy de forma competitiva com restrições do tipo must-link e cannot-link. Experimentos com conjuntos de dados reais indicam a utilidade desse modelo.pt_BR
dc.description.sponsorshipCNPqpt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectAgrupamento de dados com restriçõespt_BR
dc.subjectAgrupamento fuzzypt_BR
dc.subjectAprendizagem semi-supervisionadapt_BR
dc.subjectDados Relacionaispt_BR
dc.subjectMúltiplas matrizes de dissimilaridadept_BR
dc.titleAgrupamento fuzzy c-medoids semi-supervisionado de dados relacionais representados por múltiplas matrizes de dissimilaridadept_BR
dc.typemasterThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/5970985535003168pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/3909162572623711pt_BR
dc.publisher.programPrograma de Pos Graduacao em Ciencia da Computacaopt_BR
dc.description.abstractxSemi-supervised clustering is a special form of classification that uses a large amount of unlabeled data combined with a small amount of supervised information to improve the quality of the groups. This dissertation introduces a semi-supervised fuzzy c-medois clustering algo- rithm of relational data with descriptions given by multiple dissimilarity matrices that aims to furnish a fuzzy partition and a set of medoids for each fuzzy cluster as well as to learn a relevance weight for each dissimilarity matrix, and by optmizing an adequacy criterion between the fuzzy clusters in a competitive way with that takes account of pairwise constraints must-link and cannot-link. Experiments with real-valued data sets show the usefulness of this algorithm.pt_BR
Aparece nas coleções:Dissertações de Mestrado - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO Filipe Martins de Melo.pdf1,7 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais

Ver licença
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons