Ferramenta de visualização interativa para exploração e aprendizado a partir de conjuntos de soluções de agrupamento

• Processo: 15/21560-0
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 28 de março de 2016
• Data de Término da vigência: 27 de março de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Katti Faceli
• Beneficiário: Katti Faceli
• Pesquisador Anfitrião: Julia Handl
• Instituição Sede: Centro de Ciências em Gestão e Tecnologia (CCGT). Universidade Federal de São Carlos (UFSCAR). Campus de Sorocaba. Sorocaba , SP, Brasil
• Instituição Anfitriã: University of Manchester, Inglaterra
• Assunto(s): Agrupamento de dados Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Clustering | visualization | Inteligência Artificial

Resumo

A análise de agrupamento tem sido muito utilizada para extração de conhecimento em diversas áreas. A interpretação dos resultados de agrupamento não é uma tarefa simples para um especialista de domínio e recursos visuais são extremamente úteis nestes casos. Técnicas para visualização e exploração dos resultados de técnicas de agrupamento avançadas ainda são necessárias. Partitions' Visualizer (PVis) é uma ferramenta de visualização que fornece uma visão estática de uma coleção de partições, com o objetivo de facilitar o trabalho dos especialistas do domínio comparando vários resultados de agrupamento. Este projeto de pesquisa visa a concepção/desenvolvimento de uma ferramenta de visualização adequada para explorar, de forma interativa, coleções de soluções de agrupamento. A ferramenta irá considerar as capacidades de PVis, mecanismos para a interação, a integração com os recursos de clustering recentes e integração com outros dispositivos de visualização já existentes. A fim de mostrar a eficácia da ferramenta proposta, será realizado um estudo de caso. Ele dirá respeito a explorar as relações entre partições obtidas com algoritmos de agrupamento multi-objetivo no contexto de bioinformática.

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)

ANTUNES, VANESSA; SAKATA, TIEMI C.; FACELI, KATTI; DE SOUTO, MARCILIO C. P.. Hybrid strategy for selecting compact set of clustering partitions. APPLIED SOFT COMPUTING, v. 87, FEB 2020. (15/21560-0)

FACELI, KATTI; SAKATA, TIEMI C.; HANDL, JULIA; IEEE. CVis - towards a novel visualization tool to explore the relationship between input and output partitions in multi-objective clustering ensembles. 2017 IEEE CONFERENCE ON COMPUTATIONAL INTELLIGENCE IN BIOINFORMATICS AND COMPUTATIONAL BIOLOGY (CIBCB), v. N/A, p. 6-pg., 2017-01-01. (15/21560-0)

ANTUNES, VANESSA; FACELI, KATTI; SAKATA, TIEMI CHRISTINE; IEEE. HSS: Compact set of Partitions via Hybrid Selection. 2017 6TH BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS), v. N/A, p. 6-pg., 2017-01-01. (15/21560-0)