UM ALGORITMO DE BUSCA EM VIZINHANÇA VARIÁVEL ESCALÁVEL PARA A MICROAGREGAÇÃO DE DADOS NUMÉRICOS
Clusterização, VNS, VNDS, Microagregação, GPU.
Nos últimos anos, a proteção de dados se tornou uma das principais preocupações da
sociedade, a qual tem produzido uma gama de informações que devem ser mineradas e
posteriormente tomadas decisões a partir desses dados. No entanto, quando há muitos dados para serem analisados, os algoritmos apresentam baixo desempenho e, muitas vezes, não apresentam bons resultados. Nessa ótica, este trabalho apresenta um novo método de clustering que agrupa objetos de um conjunto de dados em classes aplicando à microagregação de dados. O método proposto é baseado na metaheurística VNS (Variable Neighborhood Search). Propomos também uma nova heuristica de busca local inicialmente explorada através dos algoritmos K-means e H-means, com
aplicação na solução de grandes instâncias. Para isso, elaborou-se um novo método de
decomposição de problema e em seguida paralelizou-se para uma arquitetura baseada
em GPU. São feitas análises de desempenho baseado nesta arquitetura paralela, além de
simulações com grandes instâncias.