Uma abordagem gravitacional da rede SOM para aprimorar a visualização e a definição de agrupamentos
Redes neurais artificiais, mapas auto-organizáveis, Aprendizado de
Máquina, Mineração de Dados, Técnicas de Visualização, Técnicas de Agrupamento.
Os mapas auto-organizáveis são redes neurais artificiais amplamente utilizadas no campo
da mineração de dados, principalmente por se constituírem numa técnica de redução de
dimensionalidade dada a grade fixa de protótipos associados à rede. Porém, a rede SOM não
é um algoritmo de agrupamento e, para visualizá-los adequadamente, técnicas de visualização
devem ser aplicadas em uma etapa de pós-processamento que consiste em inferir, utilizando
os seus protótipos, características relevantes do conjunto de dados. Existem na literatura
diversos métodos para tal fim, dentre os mais conhecidos estão o histograma de hits, a matriz
U, a matriz P, a CONNvis e a matriz GC. Em geral, técnicas de visualização não levam em
consideração mais de uma métrica dentro de sua definição, como por exemplo, distâncias
entre protótipos ou densidade espacial dos padrões, com exceção de alguns modelos híbridos
tais como a matriz U* e a DISTvis. Este trabalho propõe um pós-processamento dos protótipos
da rede SOM segundo um algoritmo gravitacional modificado, cujos parâmetros são obtidos
em função de técnicas de visualização, de modo que a posição final dos neurônios mostre mais
claramente a disposição dos agrupamentos presentes nos dados.