Reducciones Geometricas Usando Clustering Y Diagramas De Voronoi
Descargar como PPTX, PDF1 recomendación2,473 vistas
Este documento compara tres métodos de reducción geométrica: reducciones regulares, reducciones perfectas y reducciones geométricas mediante clustering k-medias. Las reducciones regulares son fáciles de programar pero desperdician columnas. Las reducciones perfectas distribuyen columnas de forma uniforme pero son complejas de implementar. El clustering k-medias agrupa columnas de alta fortaleza para mejor cobertura pero depende de la función de fortaleza.
Reducciones Geometricas Usando Clustering Y Diagramas De Voronoi
- 1. ProAuti Reducciones Geométricas mediante Clustering y Diagramas de Voronoi Rodolfo Sánchez *Cositomayor
- 2. ProAuti • Modelo Bidimensional (Demostrativo) • Reducciones Regulares ▫ Lineales • Reducciones Perfectas • Reducciones Geométricas ▫ Clustering k-Medias • Conclusión
- 3. ProAuti • Modelo Bidimensional (Demostrativo) • Reducciones Regulares ▫ Lineales • Reducciones Perfectas • Reducciones Geométricas ▫ Clustering K-Medias • Conclusión
- 4. Modelo Bidimensional •3 ^14 •4782969 Universo Real
- 5. Función de Fortaleza F(x)= { 0, f(columna)<limite 1, f(columna)>limite Modelo Bidimensional •14 Triples
- 6. Función de Fortaleza F(x)= { 0, f(columna)<limite 1, f(columna)>limite Modelo Bidimensional
- 8. ProAuti • Modelo Bidimensional (Demostrativo) • Reducciones Regulares ▫ Lineales Modelo Bidimensional (Demostrativo) • Reducciones Perfectas • Reducciones Geométricas ▫ Clustering k-Medias • Conclusión
- 25. Reducciones Regulares •Pros • Facil de programar • Efectividad Demostrada •Contras • Desperdicio de columnas • Cantidad de Reductoras no controlada • Reductoras deben estar en el grupo inicial • Covertura poco eficiente • Inclusion de puntos alejados
- 26. ProAuti • Modelo Bidimensional (Demostrativo) • Reducciones Regulares ▫ Lineales • Reducciones Perfectas • Reducciones Geométricas ▫ Clustering k-Medias • Conclusión
- 28. Reducciones Perfectas •Las Columnas reductoras se distribuyen uniformemente en el universo
- 31. •PROS • Optimo global en cobertura • Algoritmo desarrollado e implementado (Fortuna) • http://www.foro1x2.com/vi ewtopic.php?t=4445&start= 0&postdays=0&postorder=a Reducciones Perfectas sc&highlight=perfectas • Mínimo Desperdicio de columnas • Cantidad de Reductoras controlada • Reductoras no necesariamente deben estar en el grupo inicial •CONTRAS • Algunas reductoras cubren zonas de baja fortaleza • Las zonas de alta fortaleza son cubiertos con la misma prioridad que una de baja fortaleza • Hay muy pocas reducciones perfectas
- 32. ProAuti • Modelo Bidimensional (Demostrativo) • Reducciones Regulares ▫ Lineales • Reducciones Perfectas • Reducciones Geométricas ▫ Clustering k-Medias • Conclusión
- 33. Reducciones Geométricas Clustering k-Medias • http://en.wikipedia.org/wiki/ Inicio K-means_algorithm • http://people.revoledu.com/k Numero de ardi/tutorial/kMean/Numeric Clusters K alExample.htm Centroides Ningun cambio en FIN Centroides Distancia Columnas Centroides Agrupamiento basado en Minima Distancia
- 39. •PROS • Las zonas de alta fortaleza son cubiertos con mas Reducciones Geometricas prioridad que las de baja fortaleza • Cantidad de Reductoras controlada • Reductoras no necesariamente deben estar en el grupo inicial •CONTRAS • Algoritmo complejo de programar • Altamente dependiente de la Función de Fortaleza
- 40. ProAuti • Modelo Bidimensional (Demostrativo) • Reducciones Regulares ▫ Lineales • Reducciones Perfectas • Reducciones Geométricas ▫ Clustering k-Medias • Conclusión
- 41. Reducciones
- 45. Conclusiones • Mediante simulaciones encontré que las Reducciones geométricas tienen mejor rentabilidad que las reducciones regulares al corto plazo, principalmente debido a que no cubrimos las columnas alejadas del centro del agrupamiento. • Es posible cuantificar el desempeño de un grupo de columnas reductoras midiendo el coeficiente de Gini de la cantidad de columnas que reduce cada Reductoras y de esta forma cuantificar el desempeño de un grupo de columnas reductoras • De los res algoritmos usados para hacer ProAuti, Distancias de Hamming, Montecarlo y Diagramas de Venn, Montecarlo mostro mejor desempeño. • Las reducciones geométricas son un buen método para combinar desarrollos de diversas fuentes
- 46. Apoyanos con Donaciones • ProAuti es completamente GRATIS. • ProAuti apoya a niños dentro del espectro AUTISTA así que si de alguna forma crees que ProAuti te ayudo a ganar algún premio o si tu corazón te lo dicta , agradecemos compartas algo de los dones recibidos *Código fuente , algoritmos o adecuaciones, están disponibles por DONACIONES
- 47. Donaciones Compra en AMAZON Liquid DMG y envíalo a: Rodolfo Sánchez 411 S 12TH ST # 1147 MCALLEN, TX 78501- 4923 United States Phone: 8183571418 Compra en AMAZON Un certificado de regalo y envíalo a: cositomayor@yahoo.com.mx *Código fuente , algoritmos o adecuaciones, disponibles por DONACIONES