Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/13947| Title: | Desarrollo de nuevas heurísticas para incrementar la eficiencia del algoritmo Fuzzy C-Means |
| Authors: | Moreno Calderón, Carlos Fernando%1000864 |
| metadata.dc.subject.other: | Fuzzy C-Means, efficiency, computational complexity, solution quality |
| Issue Date: | 2026-08-07 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Centro Nacional de Investigación y Desarrollo Tecnológico |
| Description: | En esta tesis se desarrolla investigación de frontera en las áreas de Ciencia de Datos y Reconocimiento de Patrones. En particular, el problema que se aborda consiste en reducir la complejidad computacional del algoritmo de agrupamiento difuso denominado Fuzzy C-Means. Dicho algoritmo se ha aplicado con éxito en la solución de conjuntos de datos en dominios como la salud, visión por computadora, segmentación de imágenes, entre otros. Sin embargo, la complejidad computacional del algoritmo es muy alta, del orden O(nc2di). Dicha complejidad limita severamente la aplicación del algoritmo en conjuntos de datos grandes. Como propuesta de solución se desarrollaron dos nuevas heurísticas que probaron reducir la complejidad del algoritmo. La primera heurística denominada P-FCM, introduce un nuevo criterio de paro del algoritmo, el cual consiste en determinar la diferencia porcentual del valor de la función objetivo en dos iteraciones consecutivas, y en caso que dicha diferencia sea menor a un umbral dado el algoritmo para. La segunda heurística denominada HPFCM, es híbrida, e integra por una parte un mecanismo para optimizar los centroides iniciales del algoritmo y por otra integra la primera heurística. La validación de las heurísticas propuestas se realizó de manera experimental. Se diseñó un conjunto de experimentos en los que se resolvieron conjuntos de datos reales y sintéticos. Con base en los resultados experimentales se observó que las heurísticas reducen la complejidad computacional. En el mejor de los casos las heurísticas logran reducir hasta un 98.17% el número total de iteraciones respecto al algoritmo Fuzzy C-Means, además se alcanzó una mejora de la calidad de solución de hasta 39.73%. Con base a estos resultados, se logró reducir la complejidad computacional, obteniendo una mejora en la eficiencia computacional del algoritmo Fuzzy C-Means. Esto permite que el proceso de agrupación sea más rápido y los resultados que espera un usuario sean iguales o mejores que los resultados que se esperaría por el algoritmo Fuzzy C-Means. Finalmente, es destacable que la principal contribución de esta investigación, es la reducción del tiempo de solución, manteniendo los mismos recursos computacionales. Sin duda, dicha contribución impactará de manera significativa en conjuntos de datos grades, como las que comúnmente se presentan en problemas reales |
| metadata.dc.type: | info:eu-repo/semantics/doctoralThesis |
| Appears in Collections: | Tesis de Doctorado en Computación |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| DC_Carlos_Fernando_Moreno_Calderon.pdf | Tesis | 3.95 MB | Adobe PDF | View/Open |
| DC_Carlos_Fernando_Moreno_Calderon_c.pdf Restricted Access | Cesión de derechos | 561.78 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
