Busca avançada
Ano de início
Entree

Desenvolvimento de técnicas de agrupamento de dados com algoritmos inspirados na natureza e implementação baseada em CUDA

Processo: 13/08730-8
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de julho de 2013
Vigência (Término): 30 de junho de 2014
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Adriane Beatriz de Souza Serapião
Beneficiário:Felipe Bonon Gonçalves
Instituição-sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Assunto(s):Programação paralela   Inteligência computacional   Inteligência coletiva   Mineração de dados

Resumo

A análise de agrupamento é uma das principais técnicas na área de mineração de dados, sendo um modo de reconhecimento de padrões não-supervisionado. A análise de agrupamento é uma divisão de dados em grupos de similaridade de acordo com regras estabelecidas. Neste projeto, dois recentes algoritmos de Inteligência de Enxames serão utilizados para a análise de agrupamento de dados numéricos. Os métodos de otimização bioinspirados Firefly Algorithm e Bat Algorithm serão adaptados para realizar a tarefa de agrupamentos de dados utilizando a abordagem de particionamento de grupos. Duas implementações distintas de cada algoritmo são propostas: uma no modo sequencial em CPU e outra paralelizada utilizando a tecnologia CUDA com programação em GPU. Os resultados dos dois tipos de implementação serão comparados entre si para cada um dos algoritmos de Inteligência de Enxames estudados para a análise de desempenho na tarefa de agrupamento de dados.

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)
SERAPIAO, ADRIANE B. S.; CORREA, GUILHERME S.; GONCALVES, FELIPE B.; CARVALHO, VERONICA O. Combining K-Means and K-Harmonic with Fish School Search Algorithm for data clustering task on graphics processing units. APPLIED SOFT COMPUTING, v. 41, p. 290-304, APR 2016. Citações Web of Science: 28.

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