OTIMIZAÇÃO APLICADA A TÉCNICA DE CLUSTERIZAÇÃO

Autores

  • Patricia Mariotto Mozzaquatro Chicon Universidade de Cruz Alta - UNICRUZ, Cruz Alta, RS, Brasil
  • Alex Vinicius Telocken Universidade de Cruz Alta - UNICRUZ, Cruz Alta, RS, Brasil

DOI:

https://doi.org/10.33053/revint.v9i1.621

Palavras-chave:

Otimizaçao, Clusterização, K-means, Elbow

Resumo

Nos tempos atuais vivencia-se um crescente acúmulo de informações nas bases de dados das empresas. Para garantir sua permanência no mercado e competitividade, as mesmas buscam constantemente conhecimentos para fundamentar a tomada de decisão. Como muitas vezes esse conhecimento está oculto em uma grande base de dados, torna-se necessário a utilização de mecanismos computacionais que permitam a interação com estes dados de forma inteligente e rápida. Nesse sentido, a Mineração de Dados (MD) é uma alternativa que visa extrair conhecimento de um grande volume de dados, descobrindo novas correlações, padrões e tendências entre as informações de uma empresa. Este artigo tem por objetivo aplicar a técnica de clusterização, integrante da MD a fim de agrupar dados similares gerando informações relevantes. Foi aplicado o conceito de otimização, sendo utilizado o método Elbow a fim de determinar o número ótimo de cluster (K).

Referências

BASTOS-FILHO, C. J. A.; CARVALHO, D. F.; CARACIOLO, M. P.; MIRANDA, P. B.; FIGUEIREDO, E. M. Multi-ring particle swarm optimization. In: Evolutionary Computation. IntechOpen, 2009.

BOUCKAERT, R. R.; FRANK, E.; HALL, M.; KIRKBY, R.; REUTEMANN, P.; SEEWALD, A.; SCUSE, D. WEKA manual for version 3-7-3. The university of WAIKATO, v. 327, 2010.

CARMO, Liege Moraes do; MACHADO, Rodrigo Sahagoff; COGAN, Samuel. Uma análise do processo de elaboração do trabalho de conclusão de curso a partir do processo de raciocínio da teoria das restrições. ReCont (Registro Contábil), v. 6, n. 3, 2015.

DIAS, Maria Madalena. Um modelo de formalização do processo de desenvolvimento de sistemas de descoberta de conhecimento em banco de dados. 2001.

FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, v. 39, n. 11, p. 27-34, 1996.

FONTANA, André; NALDI, M. C. Estudo e comparação de métodos para estimação de números de grupos em problemas de agrupamento de dados. 2009.

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2002.

GOLDBARG, Elizabeth; GOLDBARG, Marco; LUNA, Henrique. Otimização Combinatória e Metaheurísticas: Algoritmos e Aplicações. Elsevier Brasil, 2017.

GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel; BEZERRA, Eduardo. Data Mining. Elsevier Brasil, 2015.

HAN, J; KAMBER, M. Data Mining: Concepts and Techniques. San Francisco. Morgan Kalfmann Publishers, Secound Edition, 2006

HAND, David J. Principles of data mining. Drug safety, v. 30, n. 7, p. 621-622, 2007.

HILLIER, Frederick S.; LIEBERMAN, Gerald J. Introdução à pesquisa operacional. McGraw Hill Brasil, 2013.

KASSAMBARA, Alboukadel. Practical guide to cluster analysis in R: Unsupervised machine learning. Sthda, 2017.

MACHADO, F. Tecnologia e Projeto de Data Warehouse: uma visão multidimensional. 6ª Ed. São Paulo: Érica, 2013.

PÉREZ-SUÁREZ, A.; MEDINA-PAGOLA, J. E. Algoritmos para el agrupamiento conceptual de objetos. La Habana: sn, 2014.

RAVAL, Kalyani M. Data mining techniques. International Journal of Advanced Research in Computer Science and Software Engineering, v. 2, n. 10, 2012.

TANSLEY, Stewart; TOLLE, K. M. The fourth paradigm: data-intensive scientific discovery. Redmond, WA: Microsoft research, 2009.

ZWOLENSKI, Matt; WEATHERILL, Lee. The digital universe: Rich data and the increasing value of the internet of things. Journal of Telecommunications and the Digital Economy, v. 2, n. 3, p. 47.1-47.9, 2014.

Downloads

Publicado

2021-12-16

Como Citar

Mariotto Mozzaquatro Chicon, P., & Telocken, A. V. (2021). OTIMIZAÇÃO APLICADA A TÉCNICA DE CLUSTERIZAÇÃO. REVISTA INTERDISCIPLINAR DE ENSINO, PESQUISA E EXTENSÃO, 9(1), 13-27. https://doi.org/10.33053/revint.v9i1.621

Edição

Seção

Mostra de Iniciação Científica - Ciências Exatas, Agrárias e Engenharias