An´alisis de medidas no-supervisadas de calidad en clusters obtenidos por K-means y Particle Swarm Optimization

Abstract

Data clustering helps in discerning the structure and simplifing the complexity of massive quantities of data. It is a common technique used in many fields, including machine learning, data mining, image analysis, and bioinformatics, in which the distribution of information can be of any size and shape. The efficiency of clustering algorithms is strongly required with very large databases and high-dimensional data types. This paper presents an evaluation study, from different perspectives, of several important unsupervised quality measures including quantization error, intra-and inter-cluster distances, obtained by the well-known K-means algorithm and a population-based metaheuristic called Particle Swarm Optimization (PSO) and a hybrid algorithm that combines the characteristics of both algorithms, called PSO+K-means. Results show that in general the PSO+K-means algorithm obtains better results in each measure and generates higher compact and separates clustering than either PSO or K-means alone.Keywords: Clustering, K-means, Particle Swarm Optimization, Unsupervised quality measures. ResumenEl clustering de datos ayuda a discernir la estructura y simplifica la complejidad de cantidades masivas de datos. Es una técnica común y se utiliza en diversos campos como, aprendizaje de máquina, minería de datos, reconocimiento de patrones, análisis de imágenes y bioinformática, donde la distribución de la información puede ser de cualquier tamaño y forma. La eficiencia de los algoritmos de clustering es extremadamente necesaria cuando se trabaja con enormes bases de datos y tipos de datos de grandes dimensiones. Este trabajo presenta una evaluación desde distintas perspectivas de una serie de medidas relevantes no-supervisadas de calidad como por ejemplo, cuantización del error, distancias intra-e inter-cluster, de los clusters obtenidos por el conocido algoritmo de K-means, una metaheurística poblacional denominada Particle Swarm Optimization (PSO) y un algoritmo híbrido, que combina las características de los dos algoritmos anteriores, denominado PSO+Kmeans. De los resultados obtenidos se observa que en general el algoritmo PSO+K-means obtiene mejores resultados en cada una de las medidas generando clusters más compactos y separados entre ellos que los obtenidos por los otros algoritmos.

Técnicas de segmentación de imágenes aplicadas en la cavidad bucal para diagnóstico de gingivitis.

“…Este algoritmo, el cual se basa en seleccionar un conjunto aleatorio de centroides iniciales de los clusters y continúa asignándoles cada elemento del conjunto de datos al centroide más cercano hasta un número fijo de iteraciones o hasta que los clusters no cambien luego de unas cuantas iteraciones (Villagra, Guzmán, Pandolfi, & Leguizamón, 2009). El algoritmo está dado de la siguiente manera:…”

Uso de la geometría fractal en la dinámica del crecimiento de tumores en pulmón

“…Para realizar la segmentación de las lesiones tumorales en cada corte de las imágenes CT se empleó el algoritmo propuesto por MacQueen en el año 1968, llamado métodos de las K-medias [32],el cual busca agrupaciones naturales en un conjunto de datos multidimensionales empleando una medida de similitud o diferencia. Para efectuar esta agrupación, las clases no son establecidas a priori sino establecidas a partir de los propios datos.…”