Meta-heurística BRKGA-QL aplicada em um problema de agrupamento com restrições semi-supervisionado

Página do item simplificado
dc.contributor.advisorChaves, Antônio Augusto [UNIFESP]
dc.contributor.advisorLatteshttp://lattes.cnpq.br/4973949421738244pt_BR
dc.contributor.authorMoreira, Thiago da Silva [UNIFESP]
dc.date.accessioned2021-08-20T11:11:21Z
dc.date.available2021-08-20T11:11:21Z
dc.date.issued2021-08
dc.description.abstractEste trabalho propõe uma implementação da meta-heurítica Algoritmo Genético com Chaves Aleatórias Viciadas (BRKGA, do inglês Biased Random-Key Genetic Algorithm) com o algoritmo de aprendizado por reforço Q-Learning (BRKGA-QL) aplicado ao Problema de k-medóides Semi-Supervisionado (SSKMP, do inglês Semi-Supervised K-Medoids Problem). O objetivo do problema é agrupar os elementos do conjunto de dados de entrada, com auxilio de informações de supervisão fornecidas, de tal forma que os elementos que pertencem ao mesmo grupo (cluster) são mais semelhantes entre si, do que elementos de clusters distintos. Dessa forma, a partir dos clusters formados é possível obter informações sobre as características e comportamentos dos dados analisados. A análise dos experimentos comparou algoritmo proposto com os métodos estado-da-arte na literatura.pt_BR
dc.description.sponsorshipNão recebi financiamentopt_BR
dc.format.extent52 f.pt_BR
dc.identifier.urihttps://repositorio.unifesp.br/handle/11600/61580
dc.languageporpt_BR
dc.publisherUniversidade Federal de São Paulopt_BR
dc.rightsinfo:eu-repo/semantics/openAccesspt_BR
dc.subjectAgrupamento semi-supervisionadopt_BR
dc.subjectAlgoritmo genéticopt_BR
dc.subjectBRKGA-QLpt_BR
dc.titleMeta-heurística BRKGA-QL aplicada em um problema de agrupamento com restrições semi-supervisionadopt_BR
dc.typeinfo:eu-repo/semantics/bachelorThesispt_BR
unifesp.campusInstituto de Ciência e Tecnologia (ICT)pt_BR
unifesp.graduacaoCiência da Computaçãopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC.pdf
Tamanho:
715.2 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
license.txt
Tamanho:
5.73 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Imagem de Miniatura
Nome:
declaracao (2).pdf
Tamanho:
183.39 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Ciência da Computação