---

É imensa a listas de algoritmos na área de Aprendizagem de Máquina que utilizam fun‡äes de distância. Podemos citar os algoritmos de agrupamento como o k-means, as redes neurais Kohonen e RBF, além do exemplo mais claro que é o k-NN. O objetivo desse trabalho é mostrar que diferentes fun‡äes de distâncias podem ser empregadas para melhorar a performance de tais algoritmos. Utilizaremos como estudo de caso o k-NN e a rede RBF. Uma vez que a forma como se realiza essa medida pode interferir no comportamento do algoritmo, grande variedade de fun‡äes de distância foi desenvolvida justamente para se conseguir melhores resultados nos algoritmos que as empregam. Esse trabalho compara o comportamento das fun‡äes HEOM, HVDM, DVDM, IVDM, NCM e mais algumas varia‡äes dessa última aqui propostas. Para tanto essas fun‡äes serÆo utilizadas em dois algoritmos de classifica‡Æo: o k-NN e as redes RBF. Também é testada a resposta às modifica‡äes desses algoritmos sob as mesmas fun‡äes de distância.

---

O Prof. Tiago B. A. de Carvavalho possui gradua‡Æo em Bacharelado (2007), mestrado (2010) e doutorado (2015) em Ciências da Computa‡Æo, com ênfase em Inteligência Computacional, pelo Centro de Informática (CIn) da Universidade Federal de Pernambuco (UFPE). Atualmente é Professor Adjunto da Universidade Federal Rural de Pernambuco (UFRPE).

---