Spelling suggestions: "subject:"dados simbólico doo tipo intervalo"" "subject:"dados simbólico ddo tipo intervalo""
1 |
Métodos de regressão robusta e kernel para dados intervalaresFAGUNDES, Roberta Andrade de Araújo, CYSNEIROS, Francisco José de Azevêdo 16 December 2013 (has links)
Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T19:39:46Z
No. of bitstreams: 2
Tese Roberta Fagundes.pdf: 7867298 bytes, checksum: 0839d26ed0dc955fd5fc7770e39965b0 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T19:39:46Z (GMT). No. of bitstreams: 2
Tese Roberta Fagundes.pdf: 7867298 bytes, checksum: 0839d26ed0dc955fd5fc7770e39965b0 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2013-12-16 / O processo de descoberta de conhecimento tem o objetivo de extrair de informa¸c˜oes ´uteis
(conhecimento) em bases de dados. As abordagens usadas na execu¸c˜ao do processo de
extra¸c˜ao do conhecimento s˜ao gen´ericas e derivadas das diferentes ´areas de conhecimento,
tais como da estat´ıstica, aprendizagem de m´aquina e banco de dados. A An´alise de Dados
Simb´olicos (ADS) [Bock e Diday, (2000)] ´e introduzida como abordagem na ´area de descoberta
autom´atica de conhecimento que visa desenvolver m´etodos para dados descritos
por vari´aveis atrav´es de conjuntos de categorias, lista de valores, intervalos ou distribui¸c˜ao
de probabilidade. Dentre as t´ecnicas estat´ısticas, os modelos de regress˜ao procuram prever
o comportamento da vari´avel resposta (dependente) a partir de informa¸c˜oes provenientes
do conjunto de vari´aveis preditoras (independentes). O objetivo deste trabalho ´e propor
duas metodologias para an´alise de dados intervalares. A primeira metodologia aborda o
m´etodo robusto em regress˜ao, que ´e uma alternativa para o uso do m´etodo dos m´ınimos
quadrados quando os dados contˆem outliers. Enquanto a segunda aborda regress˜ao por
kernel, que ´e um m´etodo que prover uma rela¸c˜ao n˜ao param´etrica entre as vari´aveis, sem
utilizar um modelo com paramˆetros fixos, mas as taxas de convergˆencias dos estimadores
n˜ao param´etricos s˜ao mais lentas do que a dos estimadores param´etricos. Experimentos
com conjuntos de dados simulados e aplica¸c˜oes com conjuntos de dados reais intervalares
indicam a funcionalidade e eficiˆencia dos m´etodos propostos.
|
2 |
Agrupamento de dados simbólicos intervalares usando funções de KenelCOSTA, Anderson Fabiano Batista Ferreira da 31 January 2011 (has links)
Made available in DSpace on 2014-06-12T15:54:45Z (GMT). No. of bitstreams: 2
arquivo7569_1.pdf: 1287031 bytes, checksum: 800ef43411a3e9e106b5d9c3fffdf8d7 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2011 / A Análise de dados simbólicos (ADS) ou Symbolic Data Analysis é uma nova abordagem na área
de descoberta automática de conhecimentos que visa desenvolver métodos para dados descritos
por variáveis onde existem conjuntos de categorias, intervalos ou distribuições de probabilidade.
O objetivo deste trabalho é estender métodos de agrupamento clássicos para dados simbólicos
intervalares baseados em funções de kernel. A aplicação de funções de kernel tem sido amplamente
utilizado na classificação não supervisionada para dados clássicos e apresenta bons
resultados quando o conjunto apresenta uma disposição não-linear dos dados. No entanto,
na literatura de ADS ainda necessita de métodos para identificar grupos não lineares. Este
trabalho engloba os paradigmas de agrupamento rígido (hard) e difuso (fuzzy), e realiza tais
agrupamentos utilizando as funções de kernel em um espaço de alta dimensão, conhecido como
espaço de características. Os métodos propostos neste trabalho consideram duas variantes comumente
utilizadas em abordagens de kernel, onde uma considera que o protótipo dos grupos
está definido neste espaço de características de alta dimensão e outra que considera o protótipo
definido no espaço original de entradas. Os métodos propostos são comparados com variações
do método K-médias existentes na literatura de ADS através de experimentos realizados com
dados simulados e dados reais intervalares fazendo uso do experimento Monte Carlo e métricas
estatísticas que evidenciam o desempenho superior dos métodos propostos
|
Page generated in 0.0857 seconds