Comparación entre K-means y redes neuronales

El análisis de cluster ha sido un tema de investigación emergente en minería de datos debido a su variedad de aplicaciones, puede ser considerado el problema más importante de aprendizaje no supervisado que trata de encontrar una estructura en una colección de datos y que se puede de finir como el proceso de organizar objetos en grupos cuyos miembros son similares en alguna forma. Con el desarrollo de muchos algoritmos de agrupamiento de datos y su amplio uso, que incluyen desde procesamiento de imágenes, biología computacional, comunicaciones móviles, hasta medicina y economía, estos algoritmos se han vuelto muy populares. El principal problema con los algoritmos de agrupación es que no se pueden estandarizar. Un algoritmo puede dar buen resultado con un tipo de conjunto de datos, pero puede fallar o dar mal resultado con otros tipos de datos. Hasta ahora se han propuesto muchos algoritmos de agrupación, sin embargo, cada algoritmo tiene sus propios méritos y deméritos porque no funcionan bien en todas las situaciones reales.

• Autores: Cruz Ramos, William Enrique
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2016
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/3828
• Acceso en línea: https://hdl.handle.net/11634/3828
• Palabra clave: Neural networks; Mining; Redes neuronales; K means; Minería
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia