000 | 01729nab a22002897 4500 | ||
---|---|---|---|
001 | H(066) UP | ||
003 | AR-sfUTN | ||
008 | 190909b xx |||p|r|||| 00| 0 spa d | ||
040 | _cAR-sfUTN | ||
080 | _aH(066) UP | ||
100 | _aVillagra, Andrea [y otros] | ||
245 | _aAnálisis de medidas no-supervisadas de calidad en clusters obtenidos por K-means y Particle Swarm Optimization | ||
336 |
_2rdacontent _atexto _btxt |
||
337 |
_2rdamedia _asin mediación _bn |
||
338 |
_2rdacarrier _avolumen _bnc |
||
505 | _aEl clustering de datos ayuda a discernir la estructura y simplifica la complejidad de cantidades masivas de datos. Es una técnica común y se utiliza en diversos campos como, aprendizaje de máquina, minería de datos, reconocimiento de patrones, análisis de imágenes y bioinformática, donde la distribución de la información puede ser de cualquier tamaño y forma. Este trabajo presenta una evaluación desde distintas perspectivas de una serie de medidas relevantes no-supervisadas de calidad como por ejemplo, cuantización del error, distancia intra- e inter-cluster, de los clusters obtenidos por el conocido algoritmo K-means, una metaheurística poblacional denominada Particle Swarm Optimization (PSO) y un algoritmo híbrido, que combina las características de los dos algoritmos anteriores, denominado PSO+Kmeans. | ||
650 | _aCLUSTERS | ||
650 | _aALGORITMOS | ||
650 | _aBASES DE DATOS | ||
650 | _aACCESO A LA INFORMACION | ||
650 | _aK-MEANS | ||
650 | _aPARTICLE SWARM OPTIMIZATION | ||
650 | _aMEDIDAS NO SUPERVISADAS | ||
773 |
_tCiencia y Tecnología _wH(066) UP _nS.T.:H(066) UP PP3649 _g(vol. 9, nro. , 2009), p. 147-161 |
||
942 | _cAN | ||
999 |
_c38523 _d38523 |