Application of PSO-based clustering algorithms on educational databases

Santos, P. V.; Macedo, Mariana; Figueiredo, Elliackin; Santana, Clodomir J.; Soares, Fabiana; Siqueira, Hugo Valadares; Maciel, Alexandre Magno Andrade; Gokhale, A.P.; Bastos-Filho, Carmelo J. A.

doi:10.1109/la-cci.2017.8285690

Cited by 28 publications

(23 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Em seguida alocam-se os dados em cada grupo, de modo que uma determinada amostra pertencerá ao cluster ao qual ele tem a menor distância ao respectivo centroide. Terminada esta fase, recalcula-se a nova posição dos centroides, para que ele se desloque para o centro geométrico do cluster [3], seguindo a equação (1).…”

Section: A O Algoritmo K-meansunclassified

“…Aqui as soluções candidatas são chamadas de agentes ou partículas [23]. Além das aplicações em otimização com dados reais, o PSO tem sido amplamente utilizado em problemas de otimização binária, combinatória e em clusterização [3].…”

Section: B Otimização Por Enxame De Particulas Para Clusteringunclassified

“…A seguir apresentamos o Algoritmo 1 com pseudocódigo para aplicação do PSO para clustering (PSOC) [3].…”

Section: B Otimização Por Enxame De Particulas Para Clusteringunclassified

“…Com isso e com o avanço sistemas de informação e de gerenciamento na cadeia produtiva, a quantidade de dados gerados, coletados e armazenados nas várias aplicações aumenta significativamente [3]. Desta forma, ferramentas para executar automaticamente descoberta de conhecimento em grandes conjuntos de dados, como técnicas de mineração de dados, estão se tornando opções viáveis e cada vez mais eficientes [4].…”

Section: Introductionunclassified

“…Um conjunto de técnicas fundamentais e eficientes na mineração de dados é o agrupamento de dados, ou clustering [3]. Um problema de clusterização pode ser encarado de fato como uma tarefa de otimização.…”

Section: Introductionunclassified

See 4 more Smart Citations

Clusterização de Componentes de Indústria de Caminhões por meio de Metaheurísticas Bio-inspiradas

Guerreiro¹,

Diego²,

Martins³

et al. 2020

Anais Do 14. Congresso Brasileiro De Inteligência Computacional

Self Cite

View full text Add to dashboard Cite

Resumo-Este trabalho foi desenvolvido com o intuito de se realizar uma avaliação comparativa de performance de algoritmos de clusterização para mineração de dados. Na indústria, tais informações podem auxiliar na formação de estratégias para abertura de projetos, com o foco na redução de custos de composição dos automóveis em questão. Neste caso, a comparação é relativa aos preços de diferentes peças em um banco de dados de uma indústria automobilística, utilizando-se de métodos bio-inpirados: Evolução Diferencial (DE), Algoritmo Genético (GA) e Otimização por Enxame de Partículas para Clustering (PSOC). Como método comparativo implementou-se o K-Means. Durante esta avaliação das performances foi possível identificar que duas peças com mais de 90% de similaridade no design, peso e outras características, apresentavam diferença de preço na ordem de dez vezes. Os resultados demonstraram que os métodos bio-inspirados alcançam melhores desempenhos, superando a proposta clássica K-means, sobretudo o PSOC e o GA.

show abstract

Section: A O Algoritmo K-meansunclassified

Section: B Otimização Por Enxame De Particulas Para Clusteringunclassified

“…A seguir apresentamos o Algoritmo 1 com pseudocódigo para aplicação do PSO para clustering (PSOC) [3].…”

Section: B Otimização Por Enxame De Particulas Para Clusteringunclassified

Section: Introductionunclassified