Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/7701Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Lopez Caballero, Vitervo%512773 | - |
| dc.creator | Lopez Caballero, Vitervo%512773 | - |
| dc.date.accessioned | 2024-05-07T14:50:39Z | - |
| dc.date.available | 2024-05-07T14:50:39Z | - |
| dc.date.issued | 2015-03-06 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/7701 | - |
| dc.description | El algoritmo de agrupamiento K-means se ha aplicado en varios dominios debido a su facilidad de implementación computacional. Sin embargo, una de sus limitaciones es su alta complejidad computacional. Por esta razón, en esta investigación se propuso una nueva meta-heurística a la que se le denominó Nmeans, la cual permite reducir la complejidad de K-means de manera importante. Como resultado de observar las ejecuciones del algoritmo K-means se determinó que algunos grupos permanecen constantes porque ya no intercambian objetos con otros grupos. Con base en este conocimiento se desarrolló una nueva heurística a la que se denominó grupos estables. En dicha heurística se descartan los objetos asignados a un grupo estable en las iteraciones posteriores. En la meta-heurística N-means que se desarrolló en esta investigación se integran las heurísticas Early Classification y grupos estables. Para validar N-means, se realizaron experimentos con instancias reconocidas por la comunidad científica. Se reportan los resultados promedio de 30 ejecuciones de cada instancia variando los parámetros de k=100, 200, 400 y 800. Se contrastaron los resultados de los algoritmos K-means, Early Classification y N-means. En esta investigación se obtuvieron importantes resultados, entre los cuales se destacan los siguientes: a) para una instancia sintética de 40,000 objetos, Nmeans redujo el tiempo de ejecución en 75.5% y una disminución de la calidad de agrupamiento a -1.52%, Early Classification redujo el tiempo de ejecución en 67.7% y una disminución de la calidad de agrupamiento a -1.31%; b) con una instancia real de 245,057 objetos, N-means redujo el tiempo de ejecución en 64% y una disminución de la calidad a -4.56%, Early Classification redujo el tiempo de ejecución en 49% y una disminución de la calidad a -4.11%. Finalmente se considera que las mejoras al algoritmo K-means posibilitarán la solución de instancias grandes como las que emergen en el paradigma Big Data. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.title | Incremento de la Eficiencia del Algoritmo K-means Mediante la Mejora de la Heurística Early Classification | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Perez Ortega, Joaquin%7939 | - |
| dc.folio | 903 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Maestría en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Vitervo_Lopez_Caballero_2015.pdf | Tesis | 1.78 MB | Adobe PDF | View/Open |
| MC_Vitervo_Lopez_Caballero_2015_c.pdf Restricted Access | Cesión de derechos | 233.83 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
