Doutorado, Mestrado e Especialização

On Strategies to Fix Degenerate k -means Solutions - Degeneracy k-means (Dkmeans)

Download the source code written in Matlab (here)
1) The 'teste.m' file you can compare methods using Eilon database. The variable 'metodo' you choose one of six methods. The function 'kme.m' uses the First improving strategy and 'kmf.m' uses the Last improving strategy.
2) The 'teste_20_v2.m' file runs 20 times all methods and reports (It can be time consuming depending on the type of computer).
3) The 'teste_degeneracy_kmeans.m' file has an animation (step by step) in Matlab using the synthetic database that is the degeneration of 1 cluster (k = 4).
4) The 'teste_degeneracy_metodos.m' file has an animation removing degeneration in k-means.
5) The 'dkmeans.m' file is the traditional k-means with the choice of two strategies: 'First Improving' and 'Last Improving' to remove the degeneration.
The file 'teste_dkmeans' shows an example of clustering using the base Ruspini.
Some Instances used in research: Eilon, Ruspini, Iris, Wine, B-Cancer and imagem segmentation.
Download Tese
Download Apresentation

The following video illustrates the degeneration problem in k-means algorithm.


Separação cega de fontes lineares e não lineares usando Algoritmos Genéticos, Redes Neurais RBF e Negentropia de Rényi como medida de independência

Conventional methods to solve the problem of blind source separation nonlinear, in general, using series of restrictions to obtain the solution, often leading to an imperfect separation of the original sources and high computational cost. In this paper, we propose an alternative measure of independence based on information theory and uses the tools of artificial intelligence to solve problems of blind source separation linear and nonlinear later. In the linear model applies genetic algorithms and Rényi of negentropy as a measure of independence to find a separation matrix from linear mixtures of signals using linear form of waves, audio and images. A comparison with two types of algorithms for Independent Component Analysis widespread in the literature. Subsequently, we use the same measure of independence, as the cost function in the genetic algorithm to recover source signals were mixed by nonlinear functions from an artificial neural network of radial base type. Genetic algorithms are powerful tools for global search, and therefore well suited for use in problems of blind source separation. Tests and analysis are through computer simulations.

Download Dissertation
Download Apresentation


Inferência no GLP usando Redes Neurais Artificiais

O processamento do gás natural é um conjunto de operações com objetivo de separar as frações mais pesadas do gás natural. A garantia da qualidade dos produtos industriais exige um alto investimento em tecnologias, em técnicas de controle de processo e em análises laboratoriais. O uso de redes neurais têm mostrados bons resultados, conquistando no mercado mais confiança. No presente trabalho, utilizamos técnicas de redes neurais artificiais para inferir na qualidade do GLP. Optou-se por estimar as frações molares i-butano, n-butano, i-pentano e n-pentano em razão à difícil medição on-line, devido os longos intervalos de medições, confiabilidade e alto custo. Por essa razão utilizamos redes neurais para estimar essas frações molares a partir de variáveis secundárias. Os resultados obtidos mostram que a rede neural treinada consegue estimar frações molares para diversas situações, o que torna um sistema confiável e de baixo custo..

Download Monografia