Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/75838
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorSoares, Pablo Luiz Braga-
dc.contributor.authorSilva, Davi Maia Andrade da-
dc.date.accessioned2024-01-16T15:40:45Z-
dc.date.available2024-01-16T15:40:45Z-
dc.date.issued2023-
dc.identifier.citationSILVA, Davi Maia Andrade da. Aplicação de aprendizagem não supervisionada no problema da diversidade máxima em grafos. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Software) - Campus de Russas, Universidade Federal do Ceará, Russas, 2023.pt_BR
dc.identifier.urihttp://repositorio.ufc.br/handle/riufc/75838-
dc.description.abstractThis study focuses on the application of machine learning models to the PDM in graphs. The PDM, in the field of combinatorial optimization, involves selecting a subset of q elements from a set of n elements in a way that maximizes diversity among the chosen elements. The machine learning model employed in this research is based on unsupervised learning, characterized by its ability to autonomously discover meaning or patterns within presented data. Comparative analysis was conducted between the model’s outcomes and a heuristic as well as a meta-heuristic from the literature, known for delivering optimal results on the employed graphs.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsAcesso Abertopt_BR
dc.titleAplicação de aprendizagem não supervisionada no problema da diversidade máxima em grafospt_BR
dc.typeTCCpt_BR
dc.description.abstract-ptbrEste trabalho tem como foco à aplicação de modelos de aprendizado de máquina (Machine Learning) ao Problema da Diversidade Máxima (PDM) em grafos. O PDM na área de otimização combinatória, consiste em selecionar um subconjunto de q elementos de um conjunto de n elementos, de tal forma que a diversidade entre os seus elementos selecionados seja máxima. O modelo de aprendizagem de máquina utilizados neste trabalho é baseado em aprendizado não supervisionado, que tem como característica aprender por si só, encontrado significado ou padrões aos dados apresentados. Os resultados do modelo foram comparados com uma heurística e meta heurística da literatura que possua os melhores resultados para os grafos utilizados.pt_BR
dc.subject.ptbrProblema da diversidade máximapt_BR
dc.subject.ptbrAprendizado de máquinapt_BR
dc.subject.ptbrModelos não supervisionadospt_BR
dc.subject.ptbrOtimização combinatóriapt_BR
dc.subject.enMaximum diversity problempt_BR
dc.subject.enMachine learningpt_BR
dc.subject.enUnsupervised modelspt_BR
dc.subject.enCombinatorial optimizationpt_BR
local.date.available2024-01-16-
Aparece nas coleções:ENGENHARIA DE SOFTWARE - RUSSAS - Monografias

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2023_tcc_dmasilva.pdf4,96 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.