аЯрЁБс>ўџ &(ўџџџ%џџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџьЅС)`№ПŠbjbjWwWw*55Š џџџџџџЄКККК Ц ‰hоооооооо      $ёhY ”.ооооо.ооCшшшооошошшшов ПЩ^КЮКошY0‰шэ оэ шэ ш шооо..о ооо‰ооооЄККџџџџ Dia 10 de Setembro de 2013 рs 10 horas Algoritmos para o Problema de Agrupamento Automсtico A Anсlise de Agrupamentos (do inglъs Cluster Analysis) щ uma tщcnica importante para a realizaчуo de anсlises em problemas reais associados a diversos domэnios, tais como: Processamento de Imagens, Bioinformсtica, Mineraчуo de Textos, Anсlise de Dados para a previsуo de Abalos Sэsmicos, dentre outros. Essa сrea agrega diversos mщtodos de classificaчуo nуo supervisionada, que podem ser aplicados com o objetivo de identificar grupos em um conjunto de dados. Nesse sentido, alguns dos mщtodos de agrupamento trabalham com o nњmero de grupos fixado a priori, ou seja, como um parтmetro que щ fornecido ao mщtodo, enquanto outros determinam o nњmero de grupos mediante a aplicaчуo de algum эndice de validaчуo. Em particular, no presente trabalho optou-se pela utilizaчуo do Эndice Silhueta. Esse trabalho apresenta novas abordagens sistemсticas para a obtenчуo do nњmero ideal de grupos. As abordagens propostas utilizam algoritmos clсssicos da literatura, sejam eles: k-means, DBSCAN e Bisecting k-means. Os resultados e as anсlises apresentadas indicam que esses mщtodos sistemсticos sуo de fсcil reproduчуo e sуo competitivos em relaчуo р qualidade das soluчѕes, quando comparados com algoritmos mais sofisticados da literatura para as instтncias denominadas comportadas. Alщm das novas abordagens sistemсticas, sуo propostos dois mщtodos baseados em Comitъ de Agrupamentos, em que um baseia-se na Funчуo Consenso Matriz de Coassociaчуo e um na Funчуo Consenso Particionamento de Grafos. Tambщm щ proposto nesse trabalho um algoritmo heurэstico baseado na metaheurэstica Busca Local Iterada (do inglъs Iterated Local Search (ILS)), que incorpora uma anсlise baseada na Estatэstica de Hopkins, com o objetivo de identificar se em uma instтncia existe tendъncia р formaчуo de agrupamentos. Considerando a aplicaчуo dessa anсlise, para as instтncias que possuem uma tendъncia de agrupamento, o algoritmo utiliza a heurэstica proposta no presente trabalho (ILS-DBSCAN). Em relaчуo рs demais instтncias, uma alternativa щ a utilizaчуo da heurэstica da literatura AECBL1, baseada na metaheurэstica Algoritmos Evolutivos. A eficсcia e a eficiъncia da heurэstica proposta se refletem nos tempos de execuчуo substancialmente inferiores e na qualidade das soluчѕes obtidas, que sуo competitivas em relaчуo рs melhores soluчѕes relatadas na literatura. )]„”( / : K Њ Р ЅКшў‰Šќёщощощощощощощќhє €6CJ]aJhє €CJaJhє €5CJ\aJhє €()^_Š§§ј§ѓ$a$$a$Š§(Аа/ Ар=!Аn"Аn#n$n%ААаАа а†œb@ёџb Normal1$*$3B*OJQJCJmH nHsH KHPJtH^JaJ_H9>AђџЁ> Fonte parсg. padrуoXi@ѓџГX  Tabela normal :V і4ж4ж laі ,k@єџС, Sem lista NўN Heading Є№Єx$OJQJCJPJ^JaJ@B@ Corpo de texto ЄЄx*/* Lista^JH""H Legenda ЄxЄx $CJ6^JaJ].ў2. Index $^JŠ џџџџ()^_Œ Ш‘08€Ш‘0€Ш‘0€Ш‘0€Ш‘0€Š Š Š Œ хє €і{сџ@€€Z1Š P@џџUnknownџџџџџџџџџџџџG‡: џTimes New Roman5€Symbol3& ‡: џArialq€WenQuanYi Micro HeiArial Unicode MS?€Lohit Hindi"ˆ ХhЈЫgЈЫg} ƒ} ! 4† † 2ƒ X №џџџџџџџџџџџџџџџџџџџџџі{сВџџ'Dia 10 de Setembro de 2013 рs 10 horas vivianevivianeўџр…ŸђљOhЋ‘+'Гй0˜Шдф№   @ L X dpx€ˆф(Dia 10 de Setembro de 2013 рs 10 horas viviane Normal.dotviviane2Microsoft Office Word@@@BКЮ@BКЮ} ўџеЭеœ.“—+,љЎ0 hp|„Œ” œЄЌД М №фUFF† ' (Dia 10 de Setembro de 2013 рs 10 horas Tэtulo ўџџџўџџџўџџџ !"#$ўџџџ§џџџ'ўџџџўџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџRoot Entryџџџџџџџџ РF0Ь^КЮ)€1Tableџџџџџџџџ WordDocumentџџџџџџџџ*SummaryInformation(џџџџDocumentSummaryInformation8џџџџџџџџџџџџCompObjџџџџџџџџџџџџuџџџџџџџџџџџџџџџџџџџџџџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџўџ џџџџ РF#Documento do Microsoft Office Word MSWordDocWord.Document.8є9Вq