Análise de diferentes métricas para agrupamento de dados utilizando um algoritmo de busca paralela baseado em organismos simbióticos

Autores

  • Sandro Roberto Loiola de Menezes Universidade do Estado de Santa Catarina/Programa de Pós-graduação em Computação Aplicada
  • Mateus Boiani Universidade do Estado de Santa Catarina/Programa de Pós-graduação em Computação Aplicada
  • Rafael Stubs Parpinelli Universidade do Estado de Santa Catarina/Programa de Pós-graduação em Computação Aplicada http://orcid.org/0000-0001-7326-5032

DOI:

https://doi.org/10.5335/rbca.v10i2.7651

Palavras-chave:

Agrupamento de Dados, Algoritmo de Busca por Organismos Simbióticos, Algoritmos Bio-inspirados, Hadoop MapReduce

Resumo

Este artigo propõe uma abordagem para realizar agrupamento de dados utilizando o Algoritmo de Busca por Organismos Simbióticos (SOS) em uma arquitetura Hadoop MapReduce, chamado de MRCSOS. O algoritmo SOS é responsável pela exploração do espaço de busca enquanto a arquitetura Hadoop provê escalabilidade através do paralelismo. A principal contribuição deste trabalho é a correlação das métricas de pureza, entropia e diversidade genotípica utilizando diferentes métricas de agrupamento de dados durante o processo de otimização. Os resultados obtidos em três bases de dados mostraram que algumas métricas de agrupamento não mantém a qualidade do agrupamento durante toda otimização. Nas métricas analisadas, a função Silhueta (F5) foi a melhor de todas. Esta função consegue manter o melhor agrupamento durante todo processo de otimização. Além disto, o algoritmo MRCSOS com a função F5 obteve os melhores resultados, ou pelo menos competitivos, quando comparados com outras abordagens existentes na literatura.

Downloads

Não há dados estatísticos.

Downloads

Publicado

17-07-2018

Como Citar

[1]
Menezes, S.R.L. de, Boiani, M. e Parpinelli, R.S. 2018. Análise de diferentes métricas para agrupamento de dados utilizando um algoritmo de busca paralela baseado em organismos simbióticos. Revista Brasileira de Computação Aplicada. 10, 2 (jul. 2018), 18-28. DOI:https://doi.org/10.5335/rbca.v10i2.7651.

Edição

v. 10 n. 2 (2018)

Seção

Artigo Original

Licença

Licença Creative Commons
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).