Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/1423
Full metadata record
DC FieldValueLanguage
dc.contributor.authorRamos Palencia, Celia%814606-
dc.creatorRamos Palencia, Celia%814606-
dc.date.accessioned2021-06-24T19:34:55Z-
dc.date.available2021-06-24T19:34:55Z-
dc.date.issued2019-11-29-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/1423-
dc.descriptionEl 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.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.subject.otheralgoritmo K-Means agrupamiento OK-KMeans Fuzzy C-Meanses_MX
dc.titleMejora de un algoritmo de agrupamiento del estado del arte mediante heurísticas aplicadas a la mejora del algoritmo K-meanses_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorPerez Ortega, Joaquin%7939-
dc.folio19-337es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmCentro Nacional de Investigación y Desarrollo Tecnológicoes_MX
Appears in Collections:Tesis de Maestría en Computación

Files in This Item:
File Description SizeFormat 
MC_Celia_Ramos_Palencia_2019.pdfTesis2.95 MBAdobe PDFView/Open
MC_Celia_Ramos_Palencia_2019.pdf
  Until 3021-06-24
Cesión de derechos395.74 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons