English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Tese de Doutorado Nº 381 "Métodos de Agrupamento Difuso Multivariado Baseados no Fuzzy C-Means"

O aluno Bruno Almeida Pimentel irá defender sua pesquisa no dia 21 de setembro, às 13h, no Auditório. Início: 21/09/2017 às 13:00 Término: 21/09/2017 às 00:00 Local: Auditório do CIn

Pós-Graduação em Ciência da Computação – UFPE

Defesa de Tese de Doutorado Nº 381

Aluno: Bruno Almeida Pimentel
Orientador: Profa. Renata Maria Cardoso Rodrigues de Souza
Título: Métodos de Agrupamento Difuso Multivariado Baseados no Fuzzy C-Means
Data: 21/09/2017
Hora/Local: 13h – Centro de Informática - Auditório
Banca Examinadora:
Prof. Adriano Lorena Inácio Oliveira (UFPE / Centro de Informática)
Prof. George Darmiton da Cunha Cavalcanti (UFPE / Centro de Informática)
Prof. Cleber Zanchettin (UFPE / Centro de Informática)
Prof. André Carlos Ponce de Leon Ferreira de Carvalho  (USP / Instituto de Ciências Matemáticas e de Computação)
Profa. Roberta Andrade de Araujo Fagundes (UPE / Escola Politécnica de Pernambuco)


RESUMO:

A prática de agrupar objetos de acordo com as similaridades e propriedades observadas é uma atividade importante para muitos ramos da ciência. A sua importância deve-se ao fato que a organização dos dados em grupos é uma forma fundamental para entender e aprender sobre eles. Em Biologia, por exemplo, existe a preocupação de dividir os diferentes animais ou plantas em grupos para melhor entendimento das funções biológicas. Em muitas problemas, além de informar a qual grupo um determinado objeto pertence, é necessário entender quão similar este objeto está para todos os grupos da partição devido à imprecisão ou incerteza dos dados, surgindo, assim, o agrupamento difuso. O principal método de agrupamento difuso bastante conhecido é o Fuzzy C-Means (FCM), o qual tem algumas desvantagens tal como considerar que todos os grupos possuem formas esféricas. Outra desvantagem é que não existe a possibilidade de analisar qual variável (ou um sub-conjunto delas) foi mais importante para definir o valor final do grau de pertinência. Este trabalho relata sobre diferentes métodos de agrupamento usando a abordagem difusa presentes na literatura atual e introduz métodos de agrupamento difuso onde os graus de pertinência são multivariados. Desta forma, dado um objeto, é possível calcular o grau dele pertencer a um dado grupo segundo uma variável. A partir deste tipo de grau de pertinência multivariado, duas vantagens podem ser apontadas: 1 - capacidade de interpretar a pertinência de cada objeto para um dado grupo segundo cada variável; 2 - obtenção de mais informação dos dados levando a uma maior qualidade de agrupamento. O objetivo deste trabalho é propor duas categorias de métodos: a primeira é baseada no Fuzzy C-Means e a segunda é baseada no Possibilistic Fuzzy C-Means. Além disso, também são propostos índices de interpretação para avaliar a qualidade do agrupamento para grupo e variável a partir da partição difusa obtida por cada método proposto. Com o objetivo de avaliar o desempenho dos métodos, um estudo comparativo em relação ao agrupamento difuso usando o experimento Monte Carlo é realizado. Foram planejados experimentos com dados sintéticos e reais e um índice de validação é usado para avaliar os métodos. Além disso, aplicação com dados biológicos é
presentado mostrando a utilidade dos métodos propostos.

Palavras-chave: Agrupamento Difuso. Grau Multivariado. Fuzzy C-Means. Possibilistic Fuzzy C-Means. Aplicação.

  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web