Método heurístico para particionamiento óptimo

Fecha

2009-02-20 00:00:00

Tipo

artículo original

Autores

de los Cobos Silva, Sergio Gerardo
Trejos Zelaya, Javier
Pérez Salvador, Blanca Rosa
Gutiérrez Andrade, Miguel Ángel

Título de la revista

ISSN de la revista

Título del volumen

Editor

Resumen

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 methodsand 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 orderto evaluate the advantages on well known data sets; we end the paper with someconcluding remarks.Keywords: Optimal partitioning, clustering, classification, heuristics.
Muchos problemas en el an´alisis de datos requieren del particionamiento no supervisadode un conjunto de datos dentro de clases o conglomerados no vac´?os quesean bien separados entre ellos y lo m´as homog´eneos entre s´?. Un particionamientoideal es cuando se puede asignar cada elemento del conjunto a una clase sin queexista ambig?uedades. Este trabajo consta de dos partes principales; primero se presentandiferentes m´etodos y heur´?sticas para encontrar la cantidad de clases en quese debe particionar un conjunto de manera ´optima; posteriormente se propone unanovedosa heur´?stica y se realizan algunas comparaciones para observar sus ventajasconsiderando conjuntos muy conocidos y utilizados que est´an previamente clasificadospresent´andose al final algunos resultados y conclusiones.Palabras clave: Particionamiento ´optimo, clasificaci´on, heur´?sticas.

Descripción

Palabras clave