Clustering dinámico con hormigas artificiales
- Autores
- Ingaramo, Diego Alejandro; Leguizamón, Mario Guillermo; Errecalde, Marcelo Luis
- Año de publicación
- 2005
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La tarea de clustering consiste en la clasificación no supervisada de patrones (observaciones, datos, vectores, etc.) en grupos. Este problema ha sido analizado en varios contextos y por investigadores de distintas disciplinas, reflejando su amplia utilidad. Si bien se han propuesto distintas alternativas para abordar las tareas de clustering, existe un área particularmente interesante y novedosa que ha planteado distintos enfoques bio-inspirados que incluyen los algoritmos genéticos y algoritmos basados en la metáfora del comportamiento de las hormigas. En este trabajo, analizamos la utilización de algoritmos basados en el comportamiento de hormigas en la Minería de Datos, y más específicamente, en la tarea de clustering. Entre estos algoritmos podemos mencionar al AntTree, inspirado en las posibilidades de auto-ensamblaje de las hormigas reales. También se propone una extensión a este algoritmo que incluye la capacidad de desconexión del árbol por parte de las hormigas con el objeto de posicionarse en otro grupo más adecuado. Ésto permite flexibilizar el proceso del descubrimiento de clusters dentro de los datos a analizar. La factibilidad del enfoque propuesto es analizada experimentalmente considerando distintas instancias del problema de clustering. Los resultados obtenidos son comparados con los del algoritmo AntTree original y los de K-means, uno de los algoritmos de clustering tradicional más utilizados.
VI Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Minería de Datos
sistemas inteligentes
Clustering
técnicas bio-inspiradas
Data mining - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/22960
Ver los metadatos del registro completo
id |
SEDICI_aabf500dc9efdcc104109ff55214505b |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/22960 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Clustering dinámico con hormigas artificialesIngaramo, Diego AlejandroLeguizamón, Mario GuillermoErrecalde, Marcelo LuisCiencias InformáticasMinería de Datossistemas inteligentesClusteringtécnicas bio-inspiradasData miningLa tarea de clustering consiste en la clasificación no supervisada de patrones (observaciones, datos, vectores, etc.) en grupos. Este problema ha sido analizado en varios contextos y por investigadores de distintas disciplinas, reflejando su amplia utilidad. Si bien se han propuesto distintas alternativas para abordar las tareas de clustering, existe un área particularmente interesante y novedosa que ha planteado distintos enfoques bio-inspirados que incluyen los algoritmos genéticos y algoritmos basados en la metáfora del comportamiento de las hormigas. En este trabajo, analizamos la utilización de algoritmos basados en el comportamiento de hormigas en la Minería de Datos, y más específicamente, en la tarea de clustering. Entre estos algoritmos podemos mencionar al AntTree, inspirado en las posibilidades de auto-ensamblaje de las hormigas reales. También se propone una extensión a este algoritmo que incluye la capacidad de desconexión del árbol por parte de las hormigas con el objeto de posicionarse en otro grupo más adecuado. Ésto permite flexibilizar el proceso del descubrimiento de clusters dentro de los datos a analizar. La factibilidad del enfoque propuesto es analizada experimentalmente considerando distintas instancias del problema de clustering. Los resultados obtenidos son comparados con los del algoritmo AntTree original y los de K-means, uno de los algoritmos de clustering tradicional más utilizados.VI Workshop de Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática (RedUNCI)2005-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/22960spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:55:16Zoai:sedici.unlp.edu.ar:10915/22960Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:16.911SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Clustering dinámico con hormigas artificiales |
title |
Clustering dinámico con hormigas artificiales |
spellingShingle |
Clustering dinámico con hormigas artificiales Ingaramo, Diego Alejandro Ciencias Informáticas Minería de Datos sistemas inteligentes Clustering técnicas bio-inspiradas Data mining |
title_short |
Clustering dinámico con hormigas artificiales |
title_full |
Clustering dinámico con hormigas artificiales |
title_fullStr |
Clustering dinámico con hormigas artificiales |
title_full_unstemmed |
Clustering dinámico con hormigas artificiales |
title_sort |
Clustering dinámico con hormigas artificiales |
dc.creator.none.fl_str_mv |
Ingaramo, Diego Alejandro Leguizamón, Mario Guillermo Errecalde, Marcelo Luis |
author |
Ingaramo, Diego Alejandro |
author_facet |
Ingaramo, Diego Alejandro Leguizamón, Mario Guillermo Errecalde, Marcelo Luis |
author_role |
author |
author2 |
Leguizamón, Mario Guillermo Errecalde, Marcelo Luis |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Minería de Datos sistemas inteligentes Clustering técnicas bio-inspiradas Data mining |
topic |
Ciencias Informáticas Minería de Datos sistemas inteligentes Clustering técnicas bio-inspiradas Data mining |
dc.description.none.fl_txt_mv |
La tarea de clustering consiste en la clasificación no supervisada de patrones (observaciones, datos, vectores, etc.) en grupos. Este problema ha sido analizado en varios contextos y por investigadores de distintas disciplinas, reflejando su amplia utilidad. Si bien se han propuesto distintas alternativas para abordar las tareas de clustering, existe un área particularmente interesante y novedosa que ha planteado distintos enfoques bio-inspirados que incluyen los algoritmos genéticos y algoritmos basados en la metáfora del comportamiento de las hormigas. En este trabajo, analizamos la utilización de algoritmos basados en el comportamiento de hormigas en la Minería de Datos, y más específicamente, en la tarea de clustering. Entre estos algoritmos podemos mencionar al AntTree, inspirado en las posibilidades de auto-ensamblaje de las hormigas reales. También se propone una extensión a este algoritmo que incluye la capacidad de desconexión del árbol por parte de las hormigas con el objeto de posicionarse en otro grupo más adecuado. Ésto permite flexibilizar el proceso del descubrimiento de clusters dentro de los datos a analizar. La factibilidad del enfoque propuesto es analizada experimentalmente considerando distintas instancias del problema de clustering. Los resultados obtenidos son comparados con los del algoritmo AntTree original y los de K-means, uno de los algoritmos de clustering tradicional más utilizados. VI Workshop de Agentes y Sistemas Inteligentes (WASI) Red de Universidades con Carreras en Informática (RedUNCI) |
description |
La tarea de clustering consiste en la clasificación no supervisada de patrones (observaciones, datos, vectores, etc.) en grupos. Este problema ha sido analizado en varios contextos y por investigadores de distintas disciplinas, reflejando su amplia utilidad. Si bien se han propuesto distintas alternativas para abordar las tareas de clustering, existe un área particularmente interesante y novedosa que ha planteado distintos enfoques bio-inspirados que incluyen los algoritmos genéticos y algoritmos basados en la metáfora del comportamiento de las hormigas. En este trabajo, analizamos la utilización de algoritmos basados en el comportamiento de hormigas en la Minería de Datos, y más específicamente, en la tarea de clustering. Entre estos algoritmos podemos mencionar al AntTree, inspirado en las posibilidades de auto-ensamblaje de las hormigas reales. También se propone una extensión a este algoritmo que incluye la capacidad de desconexión del árbol por parte de las hormigas con el objeto de posicionarse en otro grupo más adecuado. Ésto permite flexibilizar el proceso del descubrimiento de clusters dentro de los datos a analizar. La factibilidad del enfoque propuesto es analizada experimentalmente considerando distintas instancias del problema de clustering. Los resultados obtenidos son comparados con los del algoritmo AntTree original y los de K-means, uno de los algoritmos de clustering tradicional más utilizados. |
publishDate |
2005 |
dc.date.none.fl_str_mv |
2005-10 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/22960 |
url |
http://sedici.unlp.edu.ar/handle/10915/22960 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615811419865088 |
score |
13.070432 |