Busca avançada
Ano de início
Entree

Algoritmos Bioinspirados para Agrupamento Nebuloso de Dados

Processo: 10/07100-2
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de agosto de 2010
Vigência (Término): 31 de julho de 2014
Área do conhecimento:Engenharias - Engenharia Elétrica
Pesquisador responsável:Leandro Nunes de Castro Silva
Beneficiário:Alexandre Szabo
Instituição-sede: Escola de Engenharia (EE). Universidade Presbiteriana Mackenzie (UPM). Instituto Presbiteriano Mackenzie. São Paulo , SP, Brasil
Assunto(s):Computação natural   Computação bioinspirada   Agrupamento de dados   Inteligência artificial   Mineração de dados

Resumo

Este projeto de doutorado visa analisar soluções computacionais bioinspiradas para agrupamento de dados e propor extensões de algumas destas ferramentas com o objetivo de resolver a tarefa específica de agrupamento com partições nebulosas (fuzzy). Para efeitos de validação das ferra-mentas analisadas e propostas serão consideradas tanto bases de dados numéricos, quanto textu-ais. Desta forma, o presente projeto visa contribuir com a formação de um Doutor em Mineração de Dados e Engenharia de Algoritmos Bioinspirados, com especialidade na tarefa de Agrupamen-to. Cabe ressaltar que este projeto possui grande relevância teórica e prática, uma vez que aborda temas bastante atuais dentro da mineração de dados e prevê aplicações em bases numéricas e de textos. Problemas desta natureza incluem aplicações na área financeira, recuperação de informa-ção, filtragem colaborativa, análise de dados da web, detecção de anomalias, processamento de imagens, visualização de dados, bioinformática, análise de séries temporais e muitas outras.

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)
DE OLIVEIRA, JOSE VALENTE; SZABO, ALEXANDRE; DE CASTRO, LEANDRO NUNES. Particle Swarm Clustering in clustering ensembles: Exploiting pruning and alignment free consensus. APPLIED SOFT COMPUTING, v. 55, p. 141-153, JUN 2017. Citações Web of Science: 6.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.