Hibridización de K-Means a través de técnicas metaheurísticas
En los últimos años, ha existido un gran crecimiento en nuestras capacidades de generar y colectar datos, debido básicamente al gran poder de procesamiento de las máquinas y a su bajo costo de almacenamiento. Sin embargo, dentro de estas enormes masas de datos existe una gran cantidad de información...
Guardado en:
Autores principales: | , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2008
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/20520 |
Aporte de: |
id |
I19-R120-10915-20520 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Intelligent agents hibridización K-Means técnicas metaheurísticas |
spellingShingle |
Ciencias Informáticas Intelligent agents hibridización K-Means técnicas metaheurísticas Villagra, Andrea Pandolfi, Daniel Hibridización de K-Means a través de técnicas metaheurísticas |
topic_facet |
Ciencias Informáticas Intelligent agents hibridización K-Means técnicas metaheurísticas |
description |
En los últimos años, ha existido un gran crecimiento en nuestras capacidades de generar y colectar datos, debido básicamente al gran poder de procesamiento de las máquinas y a su bajo costo de almacenamiento. Sin embargo, dentro de estas enormes masas de datos existe una gran cantidad de información “oculta”, de gran importancia estratégica, a la que no se puede acceder por las técnicas clásicas de recuperación de la información. La Minería de Datos implica “escabar”en esa inmensidad de datos, en búsqueda de patrones, asociaciones o predicciones que permitan transformar esa maraña de datos en información útil. Una de las tareas utilizadas en minería de datos es el clustering (agrupamiento) y un algoritmo muy popular y simple usado en esta tarea es K-means.
A pesar de su popularidad el mencionado algoritmo sufre de algunas dificultades. K-means requiere varias iteraciones sobre todo el conjunto de datos, lo cual puede hacerlo muy costoso computacionalmente cuando se lo aplica a grandes bases de datos, el número de clusters K debe ser suministrado por el usuario y la búsqueda es propensa a quedar atrapada en mínimos locales.
Se pretende a través de esta línea de investigación desarrollar técnicas avanzadas o mejoradas de minería de datos, particularmente en la tarea de clustering y además, proponer mejoras al algoritmo de K-means basándose en la aplicación de técnicas Metaheurísticas. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Villagra, Andrea Pandolfi, Daniel |
author_facet |
Villagra, Andrea Pandolfi, Daniel |
author_sort |
Villagra, Andrea |
title |
Hibridización de K-Means a través de técnicas metaheurísticas |
title_short |
Hibridización de K-Means a través de técnicas metaheurísticas |
title_full |
Hibridización de K-Means a través de técnicas metaheurísticas |
title_fullStr |
Hibridización de K-Means a través de técnicas metaheurísticas |
title_full_unstemmed |
Hibridización de K-Means a través de técnicas metaheurísticas |
title_sort |
hibridización de k-means a través de técnicas metaheurísticas |
publishDate |
2008 |
url |
http://sedici.unlp.edu.ar/handle/10915/20520 |
work_keys_str_mv |
AT villagraandrea hibridizaciondekmeansatravesdetecnicasmetaheuristicas AT pandolfidaniel hibridizaciondekmeansatravesdetecnicasmetaheuristicas |
bdutipo_str |
Repositorios |
_version_ |
1764820464548446210 |