Título: ROTULAÇÃO AUTOMÁTICA DE CLUSTERS BASEADA EM ANÁLISE DE FILOGRAMAS
Autores: Francisco N. C. de Araújo, Antonio H. M. Soares, Vinicius P. Machado, Ricardo de A. L. Rabêlo
Resumo: Neste trabalho propõe-se a utilização em conjunto de métodos de Aprendizagem de Máquina não-supervisionada
e supervisionada para as tarefas de agrupamento e rotulação de dados, respectivamente. O agrupamento (clusterização) é uma
das principais técnicas de reconhecimento de padrões. Essa técnica consiste em identificar grupos (clusters) de elementos em
um determinado conjunto de dados, levando em consideração métricas que permitam determinar a semelhança entre eles. Os
elementos presentes nesses conjuntos de dados (datasets) frequentemente são descritos por meio de atributos, os quais podem
assumir valores de diversos tipos, exigindo métodos eficientes na tarefa de detectar correlações entre dados de tipos complexos
(ou mistos). A tarefa de rotulação consiste em identificar os clusters através de suas características mais relevantes. Os algoritmos
utilizados são reconhecidamente eficientes, obtendo resultados satisfatórios nas definições dos clusters formados, frequentemente
superando taxas de acerto de 90% nos experimentos realizados..
Palavras-chave: Aprendizado de máquina, Agrupamento, Reconhecimento de Padrões
Páginas: 14
Código DOI: 10.21528/LNLM-vol17-no1-art1
Artigo em PDF: vol17-no1-art1.pdf
Arquivo BibTex: vol17-no1-art1.bib