Técnicas de aprendizado não supervisionado baseadas no algoritmo da caminhada do turista (2017)
- Authors:
- Autor USP: PORTO FILHO, CARLOS HUMBERTO - EESC/IQSC/FMRP
- Unidade: EESC/IQSC/FMRP
- Subjects: APRENDIZADO COMPUTACIONAL; CLUSTERS
- Keywords: Agrupamento de dados; Aprendizado não supervisionado; Caminhada do turista; Clustering; Tourist walk; Unsupervised learning
- Language: Português
- Abstract: Nas últimas décadas, a quantidade de informações armazenadas no formato digital tem crescido de forma exponencial, levando à necessidade cada vez maior de produção de ferramentas computacionais que auxiliem na geração do conhecimento a partir desses dados. A área de Aprendizado de Máquina fornece diversas técnicas capazes de identificar padrões nesses conjuntos de dados. Dentro dessas técnicas, este trabalho destaca o Aprendizado de Máquina Não Supervisionado onde o objetivo é classificar as entidades em clusters (grupos) mutuamente exclusivos baseados na similaridade entre as instâncias. Os clusters não são pré-definidos e daí o elemento não supervisionado. Organizar esses dados em clusters que façam sentido é uma das maneiras mais fundamentais de entendimento e aprendizado. A análise de clusters é o estudo dos métodos para agrupamento e se divide entre hierárquico e particional. A classificação hierárquica é uma sequência encadeada de partições enquanto que na particional há somente uma partição. O interesse deste trabalho são as técnicas baseadas em uma caminhada determinística parcialmente auto repulsiva conhecida como caminhada do turista. Partindo da hipótese de que é possível utilizar a caminhada do turista como uma técnica de Aprendizado de Máquina Não Supervisionado, foi implementado um algoritmo hierárquico baseado na caminhada do turista proposto por Campiteli et al. (2006). Foi avaliado, através de diferentes conjuntos de imagens médicas, como essa técnica se compara com técnicas hierárquicas tradicionais. Também é proposto um novo algoritmo de Aprendizado de Máquina Não Supervisionado particional baseado na caminhada do turista, chamado de Tourist Walk Partitional Clustering (TWPC).Os resultados mostraram que a técnica hierárquica baseada na caminhada do turista é capaz de identificar clusters em conjuntos de imagens médicas através de uma árvore que não impõe uma estrutura binária, com um número menor de hierarquias e uma invariabilidade à escala dos dados, resultando em uma estrutura mais organizada. Mesmo que a árvore não seja diretamente baseada nas distâncias dos dados, mas em um ranking de vizinhos, ela ainda preserva uma correlação entre suas distâncias cofenéticas e as distâncias reais entre os dados. O método particional proposto TWPC foi capaz de encontrar, de forma eficiente, formas arbitrárias de clusters com variações inter-cluster e intra-cluster. Além disso o algoritmo tem como vantagens: ser determinístico; funcionar com interações locais, sem a necessidade de conhecimento a priori de todos os itens do conjunto; incorporar o conceito de ruído e outlier; e funcionar com um ranking de vizinhos, que pode ser construído através de qualquer medida
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 07.11.2017
-
ABNT
PORTO FILHO, Carlos Humberto. Técnicas de aprendizado não supervisionado baseadas no algoritmo da caminhada do turista. 2017. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/82/82131/tde-20082018-122603/. Acesso em: 28 abr. 2024. -
APA
Porto Filho, C. H. (2017). Técnicas de aprendizado não supervisionado baseadas no algoritmo da caminhada do turista (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/82/82131/tde-20082018-122603/ -
NLM
Porto Filho CH. Técnicas de aprendizado não supervisionado baseadas no algoritmo da caminhada do turista [Internet]. 2017 ;[citado 2024 abr. 28 ] Available from: http://www.teses.usp.br/teses/disponiveis/82/82131/tde-20082018-122603/ -
Vancouver
Porto Filho CH. Técnicas de aprendizado não supervisionado baseadas no algoritmo da caminhada do turista [Internet]. 2017 ;[citado 2024 abr. 28 ] Available from: http://www.teses.usp.br/teses/disponiveis/82/82131/tde-20082018-122603/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
