Muestra la distribución de disciplinas para esta publicación.
Publicaciones WoS (Ediciones: ISSHP, ISTP, AHCI, SSCI, SCI), Scopus, SciELO Chile.
| Indexado |
|
||||
| DOI | |||||
| Año | 2018 | ||||
| Tipo | artículo de investigación |
Citas Totales
Autores Afiliación Chile
Instituciones Chile
% Participación
Internacional
Autores
Afiliación Extranjera
Instituciones
Extranjeras
RESUMEN Este artículo presenta el diseño e implementación de un nuevo esquema de visualización interactiva para modelos de clústeres denominado VIMC, en el contexto de un proceso de minería de datos. La visualización de un modelo de clústeres se torna compleja cuando el conjunto de datos es de alto volumen, densidad y dimensionalidad. El diseño del esquema VIMC se basa en cuatro características: visualización interactiva, combinación de modelos, artefactos gráficos ad-hoc, y uso de métricas. El objetivo de este esquema es contribuir al análisis y comprensión de un modelo de clústeres. Las métricas consideradas en este esquema propuesto, permiten comparar componentes de distintos clústeres, lo que a su vez ayuda a entender cómo se componen los grupos. A través de la implementación de un entorno visual web que reúne las características definidas en VIMC, y una evaluación en línea de 23 usuarios, donde se logran resultados positivos sobre la utilidad de este nuevo esquema de visualización.
| Ord. | Autor | Género | Institución - País |
|---|---|---|---|
| Castillo Rojas, Wilson | Hombre |
Universidad de Atacama - Chile
|
|
| Vega-Damke, Juan | Hombre |
Universidad Arturo Prat - Chile
|
|
| 2 | Vega-Damke, Juan | Hombre |
Universidad Arturo Prat - Chile
|
| Agradecimiento |
|---|
| Métricas: los resultados de los procesos de clustering se comparan a través de criterios de evaluación internos, los cuales consideran las distancias: intra-clúster e inter-clúster. Esto permite comparar cuantitativamente instancias de distintos clústeres, y medir el nivel de homogeneidad de los clústeres. Con esto, se puede lograr conocer la conformación de los grupos generados por el proceso. Desde el estudio realizado sobre métricas para modelos de clústeres, se han seleccionado tres medidas: suma del error cuadrático medio (SSE), índice de Davies-Bouldin (DB-Index), y la distancia euclidiana. Las dos primeras, se implementan para medir el nivel de compacidad o dispersión de los clústeres, y la tercera se utiliza para la generación de los clústeres |