Contribuição ao estudo de fusão de Mapas Auto Organizáveis de Kohonen com ponderação através de índices de validação de agrupamentos
Comitês de máquinas, Mapas auto-organizáveis de Kohonen, Índice de validação de agrupamentos.
A quantidade de informações coletadas e armazenadas cresce a cada dia nas mais diversas áreas do conhecimento e técnicas de mineração de dados são aplicadas a estes conjuntos de dados com o objetivo de extrair conhecimento útil. A utilização de um ou outro algoritmo, ou o mesmo algoritmo com diferentes atributos pode levar a diferentes
resultados, devido à diversidade dos conjuntos de dados. Na busca por soluções eficientes para este problema, foram desenvolvidos métodos de comitês de máquinas. Um comitê de máquinas é um conjunto de redes neurais trabalhando independentemente cujos resultados são combinados em uma única saída, alcançando uma melhor generalização do que cada uma das redes trabalhando separadamente. A proposta desta pesquisa é combinar informações, através de comitês de Mapas de Kohonen. Os mapas auto-organizáveis de Kohonen são redes neurais utilizadas para visualização de dados, redução de dimensionalidade e classificação de dados, entre outras aplicações. Este trabalho apresenta um novo método para combinar as saídas de mapas de Kohonen em uma única saída, com ponderação através de índices de validação de agrupamentos adaptados para quantização vetorial objetivando a melhoria da acurácia de classificação.