Uma Nova Forma de Calcular os Centros dos Clusters em Algoritmos de Agrupamento Tipo Fuzzy C-Means
Lógica Fuzzy, Agrupamentos, Fuzzy C-means, Centros de Clusters, Dados Intervalares, Distancias Intervalares, ckMeans.
Agrupar dados é uma tarefa muito importante em mineração de dados, processamento de imagens e em problemas de reconhecimento de padrões. O processo de agrupamento de dados fuzzy pode ser demorado quando se têm muitos objetos ou padrões para serem agrupados. Esta tese discute aplicar uma nova forma de calcular os centros dos clusters no algoritmo fuzzy c-means (FCM), que denominamos de ckMeans, e em algumas variantes do FCM. Com essa modificação pretende-se reduzir o número de iterações e o tempo de processamento desses algoritmos sem afetar a qualidade da partição. Também, desenvolveu-se um algoritmo baseado no ckMeans para manipular dados intervalares considerando graus de pertinência intervalares, possibilitando assim, representar os dados sem nenhuma conversão dos dados intervalares para pontuais, como ocorre com outras extensões do FCM que lidam com dados intervalares. Para validar as metodologias propostas, comparou-se o agrupamento com os algoritmos k-means (pois a nova forma de calcular os centros se assemelha à do k-means) e FCM (tradicional e variantes). Utilizaram-se três bases de dados pontuais conhecidas (Iris, Pendennis e Sonar) e uma base de dados intervalar com a temperatura mínima e máxima do mês de 37 cidades distribuídas entre os continentes.