1. Repositório Institucional da Universidade Tecnológica Federal do Paraná (RIUT)
  2. GRAD - Cursos de Graduação
  3. TCC - Trabalhos de Conclusão de Curso de Graduação
  4. Pato Branco
  5. PB - Engenharia de Computação
Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/14587
Registro completo de metadados
Campo DCValorIdioma
dc.creatorRosa, Ekuikui Vanilson dos Anjos
dc.date.accessioned2020-11-18T14:01:17Z-
dc.date.available2020-11-18T14:01:17Z-
dc.date.issued2017-12-05
dc.identifier.citationROSA, Ekuikui Vanilson dos Anjos. Agrupamento não supervisionado fuzzy C- Means. 2017. 76 f. Trabalho de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2017.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/14587-
dc.description.abstractThe clustering task aims to identify and approximate similar data. A cluster is a collection of data similar to each other, but different from the other records in the other clusters. In this context, many of these clusters have already been proposed and are still the origin of several scientific studies aimed at obtaining the best data separation. Among the best known methods are k-means and fuzzy c-means. Both have deployments in various commercial and free packages. However, ordinary users tend to use such methods indiscriminately, without knowing their implications and differences. This work aims to contribute precisely in this sense, to give clarity and practical examples of the behavior of the method fuzzy c-means, which is based on the theory of fuzzy sets.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectSistemas de reconhecimento de padrõespt_BR
dc.subjectLógica difusapt_BR
dc.subjectMineração de dados (Computação)pt_BR
dc.subjectTeoria dos conjuntospt_BR
dc.subjectPattern recognition systemspt_BR
dc.subjectFuzzy logicpt_BR
dc.subjectData miningpt_BR
dc.subjectSet theorypt_BR
dc.titleAgrupamento não supervisionado fuzzy C- Meanspt_BR
dc.title.alternativeNon-supervised clustering fuzzy C- Meanspt_BR
dc.typebachelorThesispt_BR
dc.description.resumoA tarefa de agrupamento visa identificar e aproximar os dados similares. Um agrupamento (ou cluster) é uma coleção de dados similares entre si, porém diferentes dos outros registros nos demais grupos. Nesse contexto muitos métodos de agrupamentos já foram propostos e ainda são fonte de diversas pesquisas científicas que objetivam melhor separação dos dados. Dentre os métodos mais conhecidos estão o k-means e o fuzzy c-means e ambos possuem implementações em diversos pacotes comerciais e livres, todavia os usuários comuns tendem a utilizar tais métodos indiscriminadamente, sem conhecer suas implicações e diferenças. Esse trabalho visa contribuir no sentido de dar clareza e exemplos práticos do comportamento do método fuzzy c-means, o qual é baseado na teoria dos conjuntos nebulosos.pt_BR
dc.degree.localPato Brancopt_BR
dc.publisher.localPato Brancopt_BR
dc.contributor.advisor1Casanova, Dalcimar
dc.contributor.referee1Casanova, Dalcimar
dc.contributor.referee2Marin, Luciene de Oliveira
dc.contributor.referee3Cavalcanti, Pablo Gautério
dc.contributor.referee4Borsoi, Beatriz Terezinha
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentDepartamento Acadêmico de Informáticapt_BR
dc.publisher.programEngenharia de Computaçãopt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:PB - Engenharia de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PB_COENC_2017_1_03.pdf1,55 MBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.