CCO - 725 - Aprendizado Não Supervisionado e Semissupervisionado

Quantidade de créditos: 8
Total de horas de aulas teóricas: 60
Total de horas de aulas de exercícios, seminários ou estudos dirigidos : 60

Objetivo

Apresentar uma visão abrangente do aprendizado não supervisionado e semissupervisionado, por meio do estudo de algoritmos de agrupamento de tipos variados, tradicional e fuzzy. Serão estudadas também as medidas de similaridade e métricas para avaliação de agrupamentos.

Ementa

  • Introdução – noções de aprendizado de máquina, aprendizado indutivo, aprendizado não supervisionado e semissupervisionado
  • Conceitos básicos – similaridade, dissimilaridade, tipos de atributos
  • Agrupamento particional - algoritmos tradicionais e fuzzy
  • Agrupamento hierárquico
  • Agrupamento semissupervisionado – algoritmos tradicionais e fuzzy
  • Métricas para avaliação de agrupamentos
  • Outras abordagens de agrupamento

Bibliografia Principal

  1. THEODORIDIS, Sergios, 1951; KOUTROMBAS, Konstantinos. Pattern recognition. 4 ed. Burlington: Elsevier, c2009. 961 p. ISBN 978-1-59749-272-0.
  2. DUDA, Richard O.; HART, Peter E.; STORK, David G.. Pattern classification. 2 ed. New York: John Wiley & Sons, c2001. 654 p.
  3. BISHOP, Christopher M.. Pattern recognition and machine learning. New York: Springer, c2006. 738 p. -- (Information Science and Statistics) ISBN 978-0-387-31073-2.
  4. PAL, Sankar K.; MITRA, Pabitra. Pattern recognition algorithms for data mining: scalability, knowledge discovery, and soft granular computing. Boca Raton: CRC Press, c2004. 244 p. ISBN 1-58488-457-6.
  5. Pedrycz, Witold – Knowledge-based clustering: from data to information granules, Wiley, 2005, 316 p. ISBN 0-471-46966-1.
  6. JAIN, A. K.; Murty, M. N.; FLYNN, P. J. Data Clustering: A Review. ACM Computing Surveys, vol. 31, N. 3, pp. 264-323, 1999.

Bibliografia Complementar

  1. JAIN, A. K. Data Clustering: 50 years beyond K-means. Pattern Recognition Letters, vol. 31, n. 8, pp. 651-666, 2010.
  2. Basu, S.; Banerjee, A.; Mooney, R. J., 2002. Semi-supervised clustering by seeding. In: ICML ’02: Proceedings of the Nineteenth International Conference on Machine Learning p. 27–34.
  3. Basu, S.; Banerjee, A.; Mooney, R. J., 2004. Active semi-supervision for pairwise constrained clustering. In: In Proceedings of the 2004 SIAM International Conference on Data Mining p. 333–344.
  4. Wagstaff, K.; Cardie, C.; Rogers, S.; Schrödl, S., 2001. Constrained k-means clustering with background knowledge. In: ICML ’01: Proceedings of the Eighteenth International Conference on Machine Learning p. 577–584: Morgan Kaufmann Publishers Inc.
  5. Grira, N.; Crucianu, M.; Boujemaa, N. Active semi-supervised fuzzy clustering. Pattern Recognition. v. 41, n. 5, p. 1851–1861, 2008.