Alternativas en Clustering espectral

Abstract

En este trabajo se estudian los algoritmos clásicos de clustering (K-medias, Clustering Jerárquico Aglomerativo, DBSCAN) y se estudia el algoritmo de clústering espectral proponiendo una variación en su construcción. Dicho análisis se realiza con base en resultados teóricos y de complejidad computacional relacionados con los algoritmos en cuestión. Se evalúan los algoritmos en configuraciones de datos en dimensión 2, 7 y 15 para evaluar su eficacia con una métrica de similaridad entre particiones relevante.

In this thesis the main clustering methods are studied (K-means, Hierarchical Agglomerative Clustering, DBSCAN). The Spectral Clustering method is also studied, where a variation is proposed in its construction. This study is made on theoretical results, including some discussion on computational complexity. These algorithms are evaluated in various data sets in dimension 2, 7 and 15, in order to compare their efficiency with a relevant similarity metric.