Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://www.bdtd.uerj.br/handle/1/11867
Tipo do documento: Dissertação
Título: Clusterização através de árvores de padrões fuzzy e programação genética cartesiana
Título(s) alternativo(s): Clustering over fuzzy pattern trees and cartesian genetic programming
Autor: Araujo, Vivian de Oliveira 
Primeiro orientador: Amaral, Jorge Luís Machado do
Primeiro membro da banca: Evsukoff, Alexandre Gonçalves
Segundo membro da banca: Dias, Douglas Mota
Terceiro membro da banca: Silva, Marco Aurélio Botelho da
Resumo: Esta dissertação apresenta um modelo de clusterização fuzzy. Ao invés de utilizar a abordagem tradicional de sistemas fuzzy baseados em regras, foi utilizado o modelo de Árvore de Padrões Fuzzy (APF), que é um modelo hierárquico, com uma estrutura baseada em árvores que possuem como nós internos operadores lógicos fuzzy e as folhas são compostas pela associação de termos fuzzy com os atributos de entrada. O modelo sintetiza uma árvore para cada grupo, que será uma descrição lógica do grupo o que permite analisar e interpretar como é feita a clusterização. O método de aprendizado concebido utiliza Programação Genética Cartesiana onde a função de aptidão reflete a qualidade da clusterização obtida através de diferentes índices. O modelo proposto foi comparado com diferentes técnicas de clusterização tais como: k-means, k-medoids, hierárquico, Fuzzy C-means, Mapas de Kohonen e DBSCAN em bases de dados artificiais e do UCI Machine Learning Repository, tendo apresentado resultados competitivos. Ele também foi aplicado para resolver um problema de segmentação de mercado em uma operadora de telefonia com resultados promissores.
Abstract: This work presents o method for fuzzy clustering. Instead of the traditional fuzzy based rules, it was used a model called Fuzzy Pattern Trees (FPT), which is a hierarchical tree-based model, having as internal nodes, fuzzy logical operators and the leaves are composed of a combination of fuzzy terms with the input attributes. The method was obtained by creating a tree for each cluster, this tree will be a logic class description which allows the interpretation of the results. The learning method originally designed for FPT was replaced by Cartesian Genetic Programming where the fitness function reflects the quality of the clustering obtained through different indices. The FPT method was compared against other clustering techniques, such as: k-means, k-medoids, Agglomerative, Fuzzy C-means, Kohonen and DBSCAN on several datasets from artificial bases and the UCI Machine Learning Repository and it presented competitive results. It was also used to solve a segmentation problem from a mobile operator with promising results.
Palavras-chave: Electronic Engineering
Grouping of related data
Diffuse logic
Machine Learning
Clustering
Cartesian Genetic Programming
Clustering
Interpretability
Engenharia eletrônica
Agrupamento de dados relacionados
Lógica difusa
Aprendizado de máquina
Árvores Fuzzy de Padrões
Programação Genética Cartesiana
Clusterização
Interpretabilidade
Área(s) do CNPq: CNPQ::ENGENHARIAS
Idioma: por
País: BR
Instituição: Universidade do Estado do Rio de Janeiro
Sigla da instituição: UERJ
Departamento: Centro de Tecnologia e Ciências::Faculdade de Engenharia
Programa: Programa de Pós-Graduação em Engenharia Eletrônica
Citação: ARAUJO, Vivian de Oliveira. Clusterização através de árvores de padrões fuzzy e programação genética cartesiana. 2017. 124 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2017.
Tipo de acesso: Acesso Aberto
URI: http://www.bdtd.uerj.br/handle/1/11867
Data de defesa: 21-Fev-2017
Aparece nas coleções:Mestrado em Engenharia Eletrônica

Arquivos associados a este item:
Arquivo TamanhoFormato 
Vivian de Oliveira Araujo.pdf2,61 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.