Search for a command to run...
Inicialmente, as tcnicas e ferramentas de processamento de dados foram desenvolvidas para lidar com tipos de dados escalares.Contudo, com o avano tecnolgico, houve um crescimento significativo na quantidade e complexidade dos dados.Assim, tornou-se necessrio o desenvolvimento de tcnicas que permitam a manipulao eficiente de tipos de dados complexos.Consideramos aqui como complexos os dados que no contam com uma definio predefinida sobre como devem ser comparados, como o caso de comparaes envolvendo similaridade.Entre as estratgias existentes na literatura, destaca-se a deteco de agrupamento que busca encontrar padres nos dados atravs da criao de grupos.Na literatura, os algoritmos de agrupamento baseados em k-medoids destacam-se como uma das abordagens mais utilizadas.Entretanto, esses mtodos possuem alto custo computacional quando aplicados em grandes conjuntos de dados.Embora muitos trabalhos na literatura busquem otimizar os algoritmos k-medoids, eles ainda enfrentam limitaes quando aplicados a grandes conjuntos de dados, especialmente quando esses dados so complexos, uma vez que exigem o clculo e armazenamento de uma matriz de distncia em memria.Isso os torna inviveis para lidar com tais conjuntos de dados.Nesta dissertao de mestrado, foi proposto um novo algoritmo que melhora a eficincia computacional da etapa de dos algoritmos k-medoids.O KluSIM utiliza Mtodos de Acesso para podar o espao de busca, acelerando a etapa de troca