Método heurístico para particionamiento óptimo

Muchos problemas en el análisis de datos requieren del particionamiento no supervisado de un conjunto de datos dentro de clases o conglomerados no vacíos que sean bien separados entre ellos y lo más homogéneos entre sí. Un particionamiento ideal es cuando se puede asignar cada elemento del conjunto...

Descripción completa

Detalles Bibliográficos
Autores principales:	de-los-Cobos-Silva, Sergio G., Trejos Zelaya, Javier, Pérez Salvador, Blanca Rosa, Gutiérrez Andrade, Miguel Ángel
Formato:	Online
Idioma:	spa
Publicado:	Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2003
Acceso en línea:	https://revistas.ucr.ac.cr/index.php/matematica/article/view/221

id	RMTA221
record_format	ojs
spelling	RMTA2212022-01-18T18:44:38Z Método heurístico para particionamiento óptimo Método heurístico para particionamiento óptimo de-los-Cobos-Silva, Sergio G. Trejos Zelaya, Javier Pérez Salvador, Blanca Rosa Gutiérrez Andrade, Miguel Ángel Optimal partitioning clustering classification heuristics Particionamiento óptimo clasificación heurísticas Many data analysis problems deal with non supervised partitioning of a data set, in non empty clusters well separated between them and homogeneous within the clusters. An ideal partitioning is obtained when any object can be assigned a class without ambiguity. The present paper has two main parts; first, we present different methods and heuristics that find the number of clusters for optimal partitioning of a set; afterwards, we propose a new heuristic and we perform different comparisons in order to evaluate the advantages on well known data sets; we end the paper with some concluding remarks. Muchos problemas en el análisis de datos requieren del particionamiento no supervisado de un conjunto de datos dentro de clases o conglomerados no vacíos que sean bien separados entre ellos y lo más homogéneos entre sí. Un particionamiento ideal es cuando se puede asignar cada elemento del conjunto a una clase sin que exista ambigüedades. Este trabajo consta de dos partes principales; primero se presentan diferentes métodos y heurísticas para encontrar la cantidad de clases en que se debe particionar un conjunto de manera óptima; posteriormente se propone una novedosa heurísticas y se realizan algunas comparaciones para observar sus ventajas considerando conjuntos muy conocidos y utilizados que están previamente clasificados presentándose al final algunos resultados y conclusiones. Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2003-02-01 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Article application/pdf https://revistas.ucr.ac.cr/index.php/matematica/article/view/221 10.15517/rmta.v10i1-2.221 Revista de Matemática: Teoría y Aplicaciones; Vol. 10 No. 1-2 (2003): Revista de Matemática: Teoría y Aplicaciones; 11-22 Revista de Matemática: Teoría y Aplicaciones; Vol. 10 Núm. 1-2 (2003): Revista de Matemática: Teoría y Aplicaciones; 11-22 Revista de Matemática; Vol. 10 N.º 1-2 (2003): Revista de Matemática: Teoría y Aplicaciones; 11-22 2215-3373 1409-2433 spa https://revistas.ucr.ac.cr/index.php/matematica/article/view/221/201 Derechos de autor 2003 Revista de Matemática: Teoría y Aplicaciones
institution	Universidad de Costa Rica
collection	Revista de Matemática: Teoría y Aplicaciones
language	spa
format	Online
author	de-los-Cobos-Silva, Sergio G. Trejos Zelaya, Javier Pérez Salvador, Blanca Rosa Gutiérrez Andrade, Miguel Ángel
spellingShingle	de-los-Cobos-Silva, Sergio G. Trejos Zelaya, Javier Pérez Salvador, Blanca Rosa Gutiérrez Andrade, Miguel Ángel Método heurístico para particionamiento óptimo
author_facet	de-los-Cobos-Silva, Sergio G. Trejos Zelaya, Javier Pérez Salvador, Blanca Rosa Gutiérrez Andrade, Miguel Ángel
author_sort	de-los-Cobos-Silva, Sergio G.
description	Muchos problemas en el análisis de datos requieren del particionamiento no supervisado de un conjunto de datos dentro de clases o conglomerados no vacíos que sean bien separados entre ellos y lo más homogéneos entre sí. Un particionamiento ideal es cuando se puede asignar cada elemento del conjunto a una clase sin que exista ambigüedades. Este trabajo consta de dos partes principales; primero se presentan diferentes métodos y heurísticas para encontrar la cantidad de clases en que se debe particionar un conjunto de manera óptima; posteriormente se propone una novedosa heurísticas y se realizan algunas comparaciones para observar sus ventajas considerando conjuntos muy conocidos y utilizados que están previamente clasificados presentándose al final algunos resultados y conclusiones.
title	Método heurístico para particionamiento óptimo
title_short	Método heurístico para particionamiento óptimo
title_full	Método heurístico para particionamiento óptimo
title_fullStr	Método heurístico para particionamiento óptimo
title_full_unstemmed	Método heurístico para particionamiento óptimo
title_sort	método heurístico para particionamiento óptimo
title_alt	Método heurístico para particionamiento óptimo
publisher	Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA)
publishDate	2003
url	https://revistas.ucr.ac.cr/index.php/matematica/article/view/221
work_keys_str_mv	AT deloscobossilvasergiog metodoheuristicoparaparticionamientooptimo AT trejoszelayajavier metodoheuristicoparaparticionamientooptimo AT perezsalvadorblancarosa metodoheuristicoparaparticionamientooptimo AT gutierrezandrademiguelangel metodoheuristicoparaparticionamientooptimo
_version_	1811744063167135744

Método heurístico para particionamiento óptimo

Ejemplares similares