Una variación sobre el tema de Clustering Espectral: método de autovectores de la matriz de adyacencias
El clustering, un método fundamental en el análisis de datos, identifica grupos similares dentro de conjuntos complejos, simplificando su comprensión. En este texto, se exploran métodos usuales como clustering espectral, detallando sus enfoques y metodología. Se distinguen dos tipos de estructuras d...
- Autores:
-
Cárdenas Nocua, Ana María
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/73194
- Acceso en línea:
- https://hdl.handle.net/1992/73194
- Palabra clave:
- Adyacencias
Espectral
Autovectores
Autovalores
Clustering
Matemáticas
- Rights
- openAccess
- License
- Attribution-NonCommercial-NoDerivatives 4.0 International
Summary: | El clustering, un método fundamental en el análisis de datos, identifica grupos similares dentro de conjuntos complejos, simplificando su comprensión. En este texto, se exploran métodos usuales como clustering espectral, detallando sus enfoques y metodología. Se distinguen dos tipos de estructuras de clustering: crisp, con particiones claras, y fuzzy, con áreas de superposición. Además, el texto se centra en el método EVSA (EigenVector Structure Analysis), una modificación del clustering espectral, proponiendo un estudio detallado de su base teórica, implementación y su relación con estructuras crisp y fuzzy. Además, se plantea ajustar el algoritmo EVSA y compararlo con el clustering espectral en conjuntos de datos predefinidos para evaluar su efectividad. |
---|