Distributed Fuzzy Clustering with Automatic Detection of the Number of Clusters

From distributed machine to distributed deep learning: a comprehensive survey

“…Consensus clustering is a more robust approach that relies on multiple iterations of the chosen clustering method on sub-samples of the dataset [53]. Vendramin et al [54] presented a consensus-based algorithm for distributed fuzzy clustering that allows an automatic estimation of the number of clusters by using a distributed version of the Xie-Beni validity criterion.…”

Abordagens para combinar classificadores e agrupadores em problemas de classificação

“…• Computação Distribuída: em certas situações, os dados estão geograficamente distribuídos e não é possível centralizá-los por conta de restrições de segurança e/ou confidencialidade, bem como por conta de limitações tecnológicas (por exemplo, largura de banda e/ou espaço para armazenamento de dados). Nessas situações, uma partição de consenso pode ser obtida exclusivamente a partir das partições base, sem necessidade de acesso aos dados brutos utilizados para induzi-las -e.g., (COLETTA et al, 2012;VENDRAMIN et al, 2011).…”

Estudo e desenvolvimento de algoritmos para agrupamento fuzzy de dados em cenários centralizados e distribuídos

“…• Publicação dos resultados em meios de divulgação internacionais: (Vendramin et al, 2011) e (Coletta et al, 2012).…”

“…Uma abordagem relacionada executa o algoritmo de agrupamento (centralizado) em cada sítio de dados e, após obter uma partição final, usa alguma espécie de combinação (ensemble -em inglês) com o objetivo de melhorar os resultados obtidos em um sítio específico com informações fornecidas pelos demais sítios de dados (Dimitriadou et al, 2002;Strehl & Ghosh, 2003;Agogino & Tumer, 2006;Tumer & Agogino, 2008). Essaúltima abordagemé algumas vezes denominada agrupamento em consenso (consensus clustering -em inglês) (Ghosh et al, 2002;Pedrycz & Hirota, 2008;Vendramin et al, 2011).…”