Abstract:
Os Algoritmos de Clustering possuem como um de seus principais objetivos a formação de grupos de forma que os objetos de dados pertencentes a esse grupos são semelhantes entre si. Muitas técnicas de agrupamento foram propostas em trabalhos encontrados na literatura nas áreas de Mineração de Dados e Estatística, a maioria delas se baseia em informações a priori para obter os resultados, como o número desejado de grupos. Assim, este trabalho apresenta a implementação e avaliação de um Algoritmo de Clustering baseado nas características de agentes, que detecta o número de grupos para um determinado conjunto de dados. Os grupos formados durante o processo de agrupamento são, assim, padrões emergentes da interação entre agentes. Dessa forma, o algoritmo é testado para diferentes conjuntos de dados, além de sua comparação com algoritmos de agrupamento K-means e DBSCAN, e seus resultados validados utilizando as seguintes formulações matemáticas definidas para esse fim: Silhouette, Davies Bouldin, Dunn, Dunn Generalizado e DBCV.
The Clustering Algorithms have as one of their main objectives the formation of groupsso that the data objects belonging to these groups are similar to each other. Many groupingtechniques have been proposed in works found in the literature in the areas of Data Miningand Statistics, most of them are based on a priori information to obtain the results, such asthe desired number of groups. Thus, this work presents the implementation and evaluation of a Clustering Algorithm based on the characteristics of agents, which detects the numberof groups for a given set of data. The groups formed during the clustering process are thusemerging patterns of agent interaction. Thus, the algorithm is tested for dierent data sets, inaddition to its comparison with clustering algorithms K-means and DBSCAN, and its resultsvalidated using the following mathematical formulations dened for this purpose: Silhouette, Davies Bouldin, Dunn, Dunn Generalized e DBCV.
