Um método de agrupamento em dois estágios combinando mapas auto-organizáveis e ant k-médias

• Jefferson R. Souza UFPE
• Teresa B. Ludermir UFPE
• Leandro M. Almeida UFPE

Resumo

Este artigo propõe um método de agrupamento SOMAK, que é composto pelos Mapas Auto-Organizáveis (SOM) seguido do algoritmo Ant K-médias (AK). SOM é uma Rede Neural Artificial (RNA), que tem como uma de suas características projeção não-linear a partir de uma alta dimensionalidade do espaço sensorial. AK é fundamentado na Otimização baseada em Colônia de Formigas, que é uma abordagem meta-heurística recentemente proposta para resolver problemas de difícil otimização combinatória. O algoritmo AK modifica o k-médias localizando os objetos em seguida agrupando-os de acordo com as probabilidades que por sua vez, é atualizada pelo feromônio. O SOMAK tem um bom desempenho quando comparado com algumas técnicas de agrupamento e reduz o tempo computacional.

Referências

AHA, D. (2009). UCI machine learning repository, 1987. [link]. Acesso em 16 de jan. 2009.

BERKHIN, P. (2009). Survey of Clustering Data Mining Techniques, Accrue Software. Available: [link]. Acesso em 07 de jan. 2009.

DORIGO, M. and STÜTZLE, T. (2000). The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and Advances, Technical Report IRIDIA.

EVERITT, B. S., LANDAU, S., and LEESE, M. (2001). Cluster Analysis, Edward Arnold, London.

HANDL, J., KNOWLES, J. and DORIGO, M. (2003). Ant-Based Clustering: A Comparative Study of its relative performance with respect to k-means, average link and 1D-SOM, IRIDIA-Technical Report Series.

KOHONEN, T. (1998). The self-organizing map, Neurocomputing, vol. 21, pp. 1-6.

KUO, R. J., WANG, H. S., TUNG-LAI HU and CHOU, S. H. (2005). Application of Ant K-Means on Clustering Analysis, Computers & Mathematics with Applications. vol. 50, nº 10-12, pp. 1709-1724.

MARTENS, D., DE BACKER, M. and HAESEN, R. (2007). Classification with Ant Colony Optimization, IEEE Transactions on Evolutionary Computation, vol. 11, nº 5, pp. 651-665.

MILLIGAN, G. W. (1985). An Algorithm for generating Artificial Test Clusters, Psychometrika, Springer New York, vol. 50, n° 1, pp. 123-127.

MITCHELL, T. (1997). “Machine Learning”. McGraw-Hill, 352p.

SHENG-CHAI, C. and CHIH-CHIEH, Y. (2008). A Two-stage Clustering Method Combining Ant Colony SOM and K-means, Journal of Information Science and Engineering, vol. 24, pp. 1445-1460.

VESANTO, J. and ALHONIEMI, E. (2000). “Clustering of the Self-Organizing Map,” IEEE Transactions on Neural Networks, vol. 11, nº 3, pp. 586-600.

YUQING, P., XIANGDAN, H. and SHANG, L. (2003). “The k-means clustering algorithm based on density and ant colony,” IEEE Intelligent Neural Networks and Signal Processing, vol. 1, pp. 14-17.