Algoritmos Evolutivos para Problemas de Agrupamento de Dados com Restrições

• Processo: 09/17795-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de março de 2010
• Data de Término da vigência: 31 de março de 2013
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Eduardo Raul Hruschka
• Beneficiário: Thiago Ferreira Covões
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Algoritmos evolutivos Mineração de dados
• Palavra(s)-Chave do Pesquisador: Agrupamento com Restrições | Algoritmos Evolutivos | Mineração de Dados

Resumo

Técnicas de Agrupamento de Dados (Clustering) são importantes na área de Mineração de Dados. No entanto, devido à inerente subjetividade conceitual desta tarefa, fruto da escolha de medida de similaridade, de critérios numéricos/parâmetros empregados por diferentes algoritmos de agrupamento, o mesmo conjunto de dados pode ser agrupado de maneiras distintas. No aprendizado não-supervisionado, que é a forma mais comum de agrupamento de dados, caso o usuário tenha algum conhecimento prévio sobre parte das características do agrupamento desejado, não há como indicá-lo ao algoritmo de agrupamento de dados. Para suprir essa limitação, têm sido estudadas na literatura abordagens de aprendizado semi-supervisionado para a tarefa de agrupamento de dados. Mais especificamente, o conhecimento prévio do usuário sobre parte do agrupamento dos dados desejado é informado por meio do rótulo de alguns objetos e/ou sobre outras restrições impostas às características do agrupamento. As restrições mais comuns envolvem as indicações de alguns pares de objetos que devem estar no mesmo grupo e de pares de objetos que não devem estar no mesmo grupo. O principal objetivo deste projeto de pesquisa consiste na investigação do uso de algoritmos evolutivos para o problema de agrupamento de dados com restrições. Mais especificamente, pretende-se estudar e desenvolver técnicas baseadas em algoritmos evolutivos para estimar automaticamente o número de grupos, encontrando um agrupamento dos dados que melhor se ajusta às restrições impostas. Planeja-se também estudar e desenvolver técnicas que possam identificar quais atributos são informativos para a partição desejada.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

COVOES, THIAGO F.; HRUSCHKA, EDUARDO R.; GHOSH, JOYDEEP. A study of K-Means-based algorithms for constrained clustering. Intelligent Data Analysis, v. 17, n. 3, p. 485-505, 2013. (09/17856-0, 09/17795-0)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

COVÕES, Thiago Ferreira. Algoritmos evolutivos para modelos de mistura de gaussianas em problemas com e sem restrições. 2014. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.