Algoritmos de agrupamento de dados.
dc.contributor | Instituto de Ciências Matemáticas e de Computação – ICMC/USP | pt_BR |
dc.contributor.author | Faceli, Katti | |
dc.contributor.author | Carvalho, André Carlos Ponce de Leon Ferreira de | |
dc.contributor.author | Souto, Marcilio Carlos Pereira de | |
dc.date.accessioned | 2018-09-05T13:36:41Z | |
dc.date.available | 2018-09-05T13:36:41Z | |
dc.date.issued | 2005-01 | |
dc.description.abstract | A idéia básica dos algoritmos de agrupamento de dados é reunir uma série de objetos em grupos, ou clusters, de objetos semelhantes ou relacionados. Algoritmos de agrupamento são ferramentas valiosas na análise exploratória de dados, mineração de dados e reconhecimento de padrões. Tais algoritmos fornecem um meio de explorar e verificar estruturas presentes nos dados, organizando os em grupos ou clusters. O processo de agrupamento envolve diversas etapas que vão desde a preparação dos dados, até a interpretação dos clusters obtidos, passando pela escolha da medida de similaridade, execução do algoritmo de agrupamento propriamente dito e validação dos resultados. | pt_BR |
dc.description.notes | Relatórios Técnicos do ICMC; 249 | pt_BR |
dc.format | 45 p. | pt_BR |
dc.identifier.uri | http://repositorio.icmc.usp.br//handle/RIICMC/6844 | |
dc.language.iso | por | pt_BR |
dc.publisher.city | São Carlos, SP, Brasil. | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.title | Algoritmos de agrupamento de dados. | pt_BR |
dc.title.alternative | Algorithms of data grouping. | pt_BR |
dc.type.category | Relatórios técnicos | pt_BR |
usp.description.abstracttranslated | The basic idea of data grouping algorithms is to assemble a series of objects into groups, or clusters, of similar or related objects. Grouping algorithms are valuable tools in exploratory data analysis, data mining, and pattern recognition. Such algorithms provide a means of exploring and verifying structures present in the data, organizing them into clusters or groups. The clustering process involves several steps from the preparation of the data to the interpretation of the clusters obtained, through the choice of the similarity measure, execution of the clustering algorithm itself and validation of the results. | pt_BR |