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...

Full description

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
Description
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.