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