Clusterização com restrição de homogeneidade no tamanho dos grupos

Abstract

Resumo : Este trabalho consiste em uma revisão dos conceitos principais sobre clusterização, o código K-means e Aprendizagem de Máquinas não supervisionada. O objetivo é analisar um algoritmo de clusterização que contém a mesma quantidade de pontos em todos os clusters. Foramrealizados experimentos numéricos em MATLABparavalidar o desempenho do algoritmo em diversos datasets. Alem disso, o trabalho inclui uma comparação do algoritmo proposto e o código K-means e finaliza trazendo algumas ideias de pontos a melhorar e as conclusões obtidas

Abstract : This paper consists of a review of the main concepts of clustering, the K-means algorithm, and unsupervised Machine Learning. The objective is to analyze a clustering algorithm that ensures an equal number of points in each cluster. Numerical experiments were conducted in MATLAB to validate the algorithm’s performance on various datasets. The study also includes a comparison between the proposed algorithm and the K-means method, and concludes by suggesting areas for improvement and presenting the obtained conclusions