Agrupamiento dinámico para flujos de datos no estacionarios

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2023.

1. Introducción -- 1.1. Motivación -- 1.2. Objetivos -- 1.3. Resultados obtenidos -- 1.4. Estructura del documento -- 2. Técnicas de agrupamiento -- 2.1. Conceptos básicos -- 2.2. Medidas de similitud -- 2.2.1. Norma L2 -- 2.2.2. Norma L1 -- 2.2.3. Norma L1 -- 2.2.4. Elección de la medida de similitud adecuada -- 2.3. Tipos de agrupamiento -- 2.3.1. Agrupamiento difuso -- 2.3.2. Agrupamiento jerárquico -- 2.3.3. Agrupamiento partitivo -- 2.3.3.1. K-means -- 2.3.4. Agrupamiento basado en densidad -- 2.3.4.1. DBSCAN -- 2.4. Conclusión -- 3. Flujos de Datos -- 3.1. CluStream -- 3.2. DenStream -- 3.3. DyClee -- 3.3.1. Etapa basada en distancia -- 3.3.2. Etapa basada en densidad -- 3.4. Métricas para validar agrupamientos -- 3.4.1. Métricas basadas en distancia -- 3.4.2. Métricas basadas en densidad -- 3.4.3. DBCV -- 3.5. Conclusiones -- 4. Resultados obtenidos -- 4.1. Detalle de hiperparámetros -- 4.1.1. K-Means -- 4.1.2. DBSCAN -- 4.1.3. CluStream -- 4.1.4. DenStream -- 4.1.5. DyClee -- 4.2. Análisis de los experimentos realizados -- 4.2.1. Detección de distribuciones convexas y no convexas -- 4.2.2. Deriva de concepto: utilidad del componente de olvido -- 4.2.3. Resolviendo un problema real con DyClee -- 5. Conclusiones y líneas de trabajo futuras -- Bibliografía