Você está aqui: Página Inicial curitiba Estrutura do Câmpus Diretorias Diretoria de Pesquisa e Pós-Graduação Mestrado e Doutorado PPGCA Edital de Defesas 2014 PPGCA (Mestrado): Ademir Cristiano Gabardo-25/08/14

PPGCA (Mestrado): Ademir Cristiano Gabardo-25/08/14

Defesa Pública de Mestrado do Programa de Pós-Graduação em Computação Aplicada
Quando 25/08/2014
das 10h00 até 13h00
Onde Sede Central: Sala C-301
Nome do Contato Prof. Heitor Silvério Lopes
Participantes Prof. Heitor Silvério Lopes, Dr. - Orientador UTFPR
Banca Examinadora:
Prof. Gustavo Giménez Lugo, Dr. - Presidente UTFPR
Prof. Heitor Silvério Lopes, Dr. - UTFPR
Prof. Murilo Vicente Gonçalves da Silva, Dr. - UTFPR
Prof. Fabrício Martins Lopes, Dr. - UTFPR/CP
Adicionar evento ao calendário vCal
iCal

Uma heurística para detectar comunidades em redes complexas com características dinâmicas

Resumo: Redes complexas são onipresentes. Bilhões de pessoas estão conectadas por meio de redes sociais e dispositivos de telecomunicações. Várias estruturas podem ser representadas analogamente à redes complexas na natureza, como por exemplo, dados genéticos, cadeias de proteinas, epidemias, dentre outros fenomenos.  A maioria dessas redes complexas apresentam agrupamentos similares a comunidades em sua estrutura. Revelar estas comunidades é altamente relevante para muitos campos de estudo. Devido a vários fatores a detecção destas comunidades muitas vezes demanda de intensivos recursos computacioanais. Vários algoritmos para etectar  comunidades presentes em redes complexas têm sido introduzidos ao longo do tempo. Neste trabalho são abordados alguns dos principais algoritmos e tecnicas utilizados para a detecção de comunidades em redes complexas. Sendo o objetivo principal identificar ou desenvolver uma heurística compreensível e aplicável à detecção de comunidades em redes complexas dinâmicas.  Este trabalho também propõe uma abordagem de clusterização semi-supervisionado por meio de uma modificação do algoritmo K-means onde cada dimensão dos dados é submetida a um peso, a fim de obter um método de agrupamento ponderado. São apresentados dois estudos de caso, no primeiro, foram analisadas as participações de empresas em licitações públicas no estado Paraná por meio de redes complexas objetivando detectar grupos de empresas com comportamento análogo a cartéis. Como segundo estudo de caso a mesma metodologia foi utilizada para analisar conjuntos de dados de dados de Microarrays de expressão gênica, representando a correlação dos genes por meio de uma rede complexa. Neste estudo de caso objetivamos identificar os grupos de genes relacionados a progressão da doença de Alzheimer.
Palavras-chave: Redes Sociais, Redes Complexas, Grafos, Mineração de dados, Clustering, Algoritmos, Detecção de comunidades.

A Heuristic to Detect Community Structures in Dynamic Complex Networks

Abstract: Complex networks are ubiquitous; billions of people are connected through social networks, equally big are the number of telecommunication users and devices generating implicit complex networks. Besides, several structures can be represented as complex networks in nature, genetic data, social behavior, financial transactions, and any others structures. Most of those complex networks present communities in their structure. Unveiling these communities it is highly relevant in many fields of study. However, depending in several factors, the discovering of these communities can be computationally intensive. Several algorithms for detect communities in complex networks have been introduced over time. We will approach some of them. Our goal in this work it is to identify or create an understandable and applicable heuristic to detect communities in complex networks. With focus on time repetitions and strength measures.This work proposes a semi-supervised clustering approach as a modification of the traditional. K-means algorithm submitting each dimension of data to a weight in order to obtain a weighted clustering method. As a first case study, will be analyzed databases of companies that have participated of public bids in Paran´a state to detect communities that can suggest structures such as cartels. As a second case study the same methodology will be used to analyze datasets of microarray data for gene expressions, representing the correlation of the genes through a complex network, applying community detection algorithms in order to evidence such correlations between genes. Keywords: Social Networks, Complex Networks, Graphs, Data Mining, Clustering, Algorithms, Community detection.

Lista de publicações:

GABARDO, A. C. ; LOPES, H. . Clustering Methods for Detecting Communities in Networks. In: Mehdi Khosrowpour. (Org.). Encyclopedia of Information Science and Technology, Third Edition. 3ed.Hershey: Idea Group,U.S., 2014, v. 1, p. 385-393.

GABARDO, A. C. ; PEREZ, M. . Classificação de Dados Relativos à Cirurgia de Câncer de Mama, Um Comparativo Entre Solução por Redes Neurais e Fuzzy.. Revista Eletrônica do Alto Vale do Itajaí, Brasil, p. 50 - 59, 24 dez. 2013.

Ações do documento