Abordagens de Agrupamento de Dados Baseadas em Subespaços e Semi-Supervisão

Resumo

Agrupamento de dados não-supervisionado é um dos problemas centrais na área de mineração de dados, o qual consiste em particionar os dados em grupos de objetos mais similares entre si do que com relação aos objetos dos demais grupos, segundo alguma medida de similaridade ou dissimilaridade comumente gerada a partir do espaço de atributos no qual os objetos são representados. Entretanto, frequentemente os grupos da base de dados estão escondidos em subespaços do espaço original, como costuma acontecer com bases de dados de documentos textuais ou de expressão gênica. Por esta razão, abordagens de agrupamento de dados baseadas em subespaços vêm ganhando crescente importância e interesse pela comunidade de mineração de dados. Outra abordagem que vem ganhando atenção dos pesquisadores é a do uso de informações parciais a priori sobre como o agrupamento dos dados deve ser realizado. Essas informações podem ser fornecidas, por exemplo, por meio de pares de objetos que devem e que não devem estar no mesmo grupo na partição final, o que pode ocorrer, por exemplo, em aplicações envolvendo bases de dados de documentos web/multimídia.Os principais objetivos deste projeto de doutorado consistem em: (i) pesquisar e desenvolver técnicas de agrupamento de dados em subespaços que não exijam do usuário o conhecimento do número de grupos e sejam aplicáveis em grandes bases de dados, possivelmente relacionais; e (ii) investigar a possibilidade de inserir semi-supervisão em algoritmos de agrupamento de dados em subespaços.