Onofri, Camila Ayelén <br/><br/>
Agrupamiento dinámico para flujos de datos no estacionarios 

 -  2023 
 - 1 archivo (5,4 MB) :  il. col. 
<br/><br/>Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2023. 
<br/><br/>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 
<br/><br/><label>Standard No.: </label>DIF-M8728 
<br/><br/><label>Subjects--Topical Terms: </label><br/>FLUJO DE DATOS
<br/><br/><label>Subjects--Index Terms: </label>datos no estacionarios