Método heurístico para particionamiento óptimo
Método heurístico para particionamiento óptimo
| dc.creator | de-los-Cobos-Silva, Sergio G. | |
| dc.creator | Trejos Zelaya, Javier | |
| dc.creator | Pérez Salvador, Blanca Rosa | |
| dc.creator | Gutiérrez Andrade, Miguel Ángel | |
| dc.date | 2003-02-01 | |
| dc.date.accessioned | 2023-08-03T16:17:36Z | |
| dc.date.available | 2023-08-03T16:17:36Z | |
| dc.identifier | https://revistas.ucr.ac.cr/index.php/matematica/article/view/221 | |
| dc.identifier | 10.15517/rmta.v10i1-2.221 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/7886538 | |
| dc.description | Many data analysis problems deal with non supervised partitioning of a data set, in non empty clusters well separated between them and homogeneous within the clusters. An ideal partitioning is obtained when any object can be assigned a class without ambiguity. The present paper has two main parts; first, we present different methods and heuristics that find the number of clusters for optimal partitioning of a set; afterwards, we propose a new heuristic and we perform different comparisons in order to evaluate the advantages on well known data sets; we end the paper with some concluding remarks. | en-US |
| dc.description | Muchos problemas en el análisis de datos requieren del particionamiento no supervisado de un conjunto de datos dentro de clases o conglomerados no vacíos que sean bien separados entre ellos y lo más homogéneos entre sí. Un particionamiento ideal es cuando se puede asignar cada elemento del conjunto a una clase sin que exista ambigüedades. Este trabajo consta de dos partes principales; primero se presentan diferentes métodos y heurísticas para encontrar la cantidad de clases en que se debe particionar un conjunto de manera óptima; posteriormente se propone una novedosa heurísticas y se realizan algunas comparaciones para observar sus ventajas considerando conjuntos muy conocidos y utilizados que están previamente clasificados presentándose al final algunos resultados y conclusiones. | es-ES |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) | es-ES |
| dc.relation | https://revistas.ucr.ac.cr/index.php/matematica/article/view/221/201 | |
| dc.rights | Derechos de autor 2003 Revista de Matemática: Teoría y Aplicaciones | es-ES |
| dc.source | Revista de Matemática: Teoría y Aplicaciones; Vol. 10 No. 1-2 (2003): Revista de Matemática: Teoría y Aplicaciones; 11-22 | en-US |
| dc.source | Revista de Matemática: Teoría y Aplicaciones; Vol. 10 Núm. 1-2 (2003): Revista de Matemática: Teoría y Aplicaciones; 11-22 | es-ES |
| dc.source | Revista de Matemática; Vol. 10 N.º 1-2 (2003): Revista de Matemática: Teoría y Aplicaciones; 11-22 | pt-PT |
| dc.source | 2215-3373 | |
| dc.source | 1409-2433 | |
| dc.subject | Optimal partitioning | en-US |
| dc.subject | clustering | en-US |
| dc.subject | classification | en-US |
| dc.subject | heuristics | en-US |
| dc.subject | Particionamiento óptimo | es-ES |
| dc.subject | clasificación | es-ES |
| dc.subject | heurísticas | es-ES |
| dc.title | Método heurístico para particionamiento óptimo | en-US |
| dc.title | Método heurístico para particionamiento óptimo | es-ES |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
| dc.type | Article | es-ES |