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...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Villagra, Andrea, Pandolfi, Daniel
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2008
Materias:	Ciencias Informáticas Intelligent agents hibridización K-Means técnicas metaheurísticas
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/20520
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

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

Hibridización de K-Means a través de técnicas metaheurísticas

Ejemplares similares