1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis de Maestría
7. Tesis de Maestría en Computación

Título :	Mejora de un algoritmo de agrupamiento del estado del arte mediante heurísticas aplicadas a la mejora del algoritmo K-means
Autor :	Ramos Palencia, Celia%814606
metadata.dc.subject.other:	algoritmo K-Means agrupamiento OK-KMeans Fuzzy C-Means
Fecha de publicación :	2019-11-29
Editorial :	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Descripción :	El presente estudio propone una mejora para un algoritmo de agrupamiento mediante heurísticas aplicadas al algoritmo K-Means. Dicha mejora se aplicó a la fase de convergencia, para reducir el tiempo de ejecución y disminuir el número de iteraciones que necesita el algoritmo para converger. Esta heurística fue seleccionada dentro de todas las que se han realizado en el Centro de Investigación y Desarrollo Tecnológico CENIDET. Para cumplir el objetivo propuesto, el cual es mejorar un algoritmo de agrupamiento a través de un nuevo criterio de paro, en esta investigación se realizó un estudio entre varios algoritmos de agrupamiento, como, por ejemplo, Gustafson-Kessel, Mean-Shift y Fuzzy C- Means, siendo esté el que se seleccionó para ser mejorado mediante la implementación de una heurística orientada a la mejora del algoritmo K-Means. Asimismo, se hizo una revisión de los trabajos que se han hecho en el CENIDET que abordan la temática acerca de las mejoras aplicadas al algoritmo K-Means, por ejemplo, N-means, Early Stop K-Means, Early Classification, HC Heuristics y OK-Means para que, a partir de su análisis se pudiera proponer una nueva mejora para el algoritmo de agrupamiento seleccionado. Los experimentos fueron llevados a cabo con seis instancias de datos obtenidas del repositorio de la Universidad de California UCI, utilizado ampliamente por la comunidad científica. El modelo utilizado como base para dicha propuesta fue el de la heurística OK-Means, por ser la más reciente y contar con la novedad de ser aplicada en la fase de convergencia de K-Means, a diferencia de las otras, que en su mayoría son orientadas a las fases de inicialización o clasificación. El resultado final de esta investigación fue la propuesta de una nueva heurística aplicada a la fase de convergencia del algoritmo Fuzzy C-Means, denominada Optimized Fuzzy C- Means. Esta heurística establece un nuevo criterio de paro para el algoritmo, disminuyendo el tiempo de ejecución y el número de iteraciones necesarias para detenerse, sin una pérdida considerable de la calidad.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Aparece en las colecciones:	Tesis de Maestría en Computación

Este ítem está protegido por copyright original Visualizar la licencia

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons