|
Title:
|
ALGORITMO DE CLUSTERING BASEADO NA APRENDIZAGEM POR SELEÇÃO CLONAL |
|
Author(s):
|
Marcos Augusto Grzeça, Carine G. Webber, Maria de Fátima Webber do Prado Lima |
|
ISBN:
|
978-989-8533-47-0 |
|
Editors:
|
Mário Dantas, Cristiano Costa, Flávia Maria Santoro e Pedro Isaías |
|
Year:
|
2015 |
|
Edition:
|
Single |
|
Keywords:
|
Clustering, sistemas imunológicos artificiais, seleção clonal, mineração de dados, aprendizado não-supervisionado. |
|
Type:
|
Full Paper |
|
First Page:
|
115 |
|
Last Page:
|
122 |
|
Cover:
|
|
|
Full Contents:
|
click to dowload 
|
|
Paper Abstract:
|
A tarefa de agrupar dados similares é de grande valor atualmente e novos algoritmos estão sendo requeridos. A área denominada Sistemas Imunológicos Artificiais propõe abordagens para resolver problemas relacionados ao reconhecimento e a geração da diversidade. Esta área fundamenta o algoritmo proposto neste artigo, que utiliza princípios da seleção clonal. A seleção clonal constituiu um mecanismo imunológico de otimização, conduzindo o algoritmo a melhorar iterativamente as soluções por clonagem, mutação e seleção. A fim de avaliar o desempenho do algoritmo imunológico foram conduzidos testes em conjuntos de dados públicos (Íris, Câncer e Diabetes) e educacionais (Geometria, Chinês e Álgebra). No intuito de avaliar os parâmetros da seleção clonal, indicadores de homogeneidade e de separação foram calculados. Os resultados obtidos foram comparados com os principais algoritmos de clustering (softwares Weka e R), demonstrando que a abordagem imunológica é promissora e consistente. |
|
|
|
|
|
|
