Made available in DSpace on 2014-12-17T14:53:17Z (GMT). No. of bitstreams: 1 MarceloCS_DISSERT.pdf: 2801303 bytes, checksum: 8118c830c7f441ce1b3190bca6570c77 (MD5) Previous issue date: 2012-03-28 / The relevance of rising healthcare costs is a main topic in complementary health companies in Brazil. In 2011, these expenses consumed more than 80% of the monthly health insurance in Brazil. Considering the administrative costs, it is observed that the companies operating in this market work, on average, at the threshold between profit and loss. This paper presents results after an investigation of the welfare costs of a health plan company in Brazil. It was based on the KDD process and explorative Data Mining. A diversity of results is presented, such as data summarization, providing compact descriptions of the data, revealing common features and intrinsic observations. Among the key findings was observed that a small portion of the population is responsible for the most demanding of resources devoted to health care / A relev?ncia do aumento dos custos assistenciais ? um fen?meno que consiste em uma das principais discuss?es na ?rea da sa?de suplementar. Em 2011, estas despesas representaram mais de 80% das mensalidades dos planos de sa?de no Brasil. Considerando as despesas administrativas, observa-se que as empresas atuantes neste mercado trabalham, em m?dia, no limiar entre lucro e preju?zo. Esta disserta??o, com base no processo de descoberta de conhecimento (KDD) e minera??o de dados, realizou uma investiga??o dos custos assistenciais de uma operadora de plano de sa?de. Os resultados propiciam descri??es compactas dos dados, revelando caracter?sticas comuns e intr?nsecas das observa??es. Dentre as principais conclus?es observa-se que uma reduzida parcela da popula??o ? respons?vel por demandar a maior parte dos recursos destinados aos cuidados com sa?de

Made available in DSpace on 2015-04-14T13:56:11Z (GMT). No. of bitstreams: 1 403015.pdf: 1369362 bytes, checksum: 80f10cb0cad2240a06c6783c86c07472 (MD5) Previous issue date: 2008-03-24 / Os desligamentos n?o programados s?o um dos fatores que mais contribuem para a interrup??o do fornecimento de energia e, portanto, na qualidade do servi?o prestado. Uma correta identifica??o das causas que originaram os desligamentos tornase cada vez mais indispens?vel para distribuir de forma mais eficaz os investimentos e recursos para a redu??o de problemas no sistema el?trico, trazendo como conseq??ncia direta destes investimentos a melhoria dos ?ndices de confiabilidade. Dessa forma, torna-se necess?rio o desenvolvimento de ferramentas para gerenciamento, an?lise e diagn?stico de causas de eventos n?o programados que ocorrem nos sistema de distribui??o das empresas. Nesta disserta??o s?o apresentados dois m?todos para identifica??o da causa de desligamentos n?o programados na rede de distribui??o: um modelo probabil?stico utilizando Redes Bayesianas e um modelo usando Redes Neurais Artificiais. Inicialmente ? apresentada uma conceitua??o sobre aspectos te?ricos fundamentais ao entendimento de Redes Bayesianas e Redes Neurais Artificiais, seguida de uma revis?o sobre defini??es b?sicas acerca de confiabilidade e causas de desligamentos em sistemas de distribui??o. Ap?s, s?o descritas as etapas realizadas para treinamento e valida??o dos dois sistemas de identifica??o da causa de desligamentos n?o programados. A base de conhecimento utilizada para o aprendizado foi extra?da de um banco de dados de eventos fornecido por uma concession?ria de energia, cujo processo de extra??o de conhecimento consistiu em uma s?rie de etapas, incluindo uma de minera??o de dados. Esse processo tornou a base de dados mais confi?vel e adequada resultando em 8888 amostras para a constru??o, gera??o dos conjuntos de treinamento e valida??o dos modelos de Rede Bayesiana e de Rede Neural utilizados. Ambas heur?sticas foram validadas atrav?s do m?todo da prova bipartida (split-half method). O processo de aprendizagem da Rede Bayesiana foi realizado atrav?s do algoritmo de maximiza??o da expect?ncia (Expectation Maximization), enquanto que para a Rede Neural o algoritmo de treinamento escolhido foi o Resilient back propagation, devido as suas caracter?sticas de desempenho e velocidade de converg?ncia

Made available in DSpace on 2015-04-14T13:56:40Z (GMT). No. of bitstreams: 1 395839.pdf: 1413354 bytes, checksum: 434d075aab87b2e1155b9509585420e5 (MD5) Previous issue date: 2007-08-16 / O presente trabalho prop?e um modelo de Sistema de Ilumina??o P?blica Eficiente baseando no Programa Reluz do sistema de ilumina??o p?blica brasileiro. Os meios apresentados pelo programa utilizam novas tecnologias de acordo com as normas da ABNT, que t?m por objetivo aumentar a efici?ncia luminosa com a menor pot?ncia instalada. Ressalta-se a import?ncia do programa de gest?o no sistema de ilumina??o p?blica com o cadastramento detalhado dos pontos existentes no parque de ilumina??o, pot?ncia das l?mpadas instaladas, o tipo de lumin?rias em seus logradouros e, atrav?s de um banco de dados, o armazenamento destas informa??es visando uma an?lise t?cnica e econ?mica. S?o apresentadas considera??es sobre a necessidade de inclus?o de dados s?cio-comportamental a partir de informa??es do IBGE, ressaltando-se a import?ncia da ilumina??o p?blica como um grande fator preventivo de acidentes nas vias urbanas, bem como inibidor de a??es por parte do com?rcio il?cito, da criminalidade e da prostitui??o, em hor?rios noturnos. Com o diret?rio organizado com tr?s bases de dados distintos, apresenta-se um estudo da t?cnica de Minera??o de Dados no sistema Eficiente de Ilumina??o P?blica, utilizando-se as informa??es dos algoritmos para a descoberta de novos padr?es. A busca de novos padr?es e relacionamento entre diferentes vari?veis da aplica??o t?cnica da minera??o de dados ? um dos prop?sitos deste estudo, viabilizando a descoberta do conhecimento em uma base de dados atrav?s do desenvolvimento e implementa??o de algoritmos espec?ficos, que sirvam de suporte ? tomada de decis?o no processo de identifica??o, do diagn?stico e do perfil de uma comunidade. Ao final, um novo modelo de gest?o de Ilumina??o P?blica, agora baseado no conhecimento adquirido pela minera??o, foi empregado, com resultados pr?ticos que mostram efetiva efici?ncia pela redu??o de consumo e significativa melhora nos ?ndices s?cio-comportamentais, tais como, redu??o de viol?ncia urbana e maior grau de satisfa??o da comunidade.

Submitted by PPG Ci?ncia da Computa??o (ppgcc@pucrs.br) on 2018-06-19T12:25:43Z No. of bitstreams: 1 GRAZIELE_MARQUES_MAZUCO_DOS_SANTOS_DIS.pdf: 3857481 bytes, checksum: 9c3c88f01e8e5d920ba3bc8989d2cfbf (MD5) / Approved for entry into archive by Sheila Dias (sheila.dias@pucrs.br) on 2018-06-27T13:05:50Z (GMT) No. of bitstreams: 1 GRAZIELE_MARQUES_MAZUCO_DOS_SANTOS_DIS.pdf: 3857481 bytes, checksum: 9c3c88f01e8e5d920ba3bc8989d2cfbf (MD5) / Made available in DSpace on 2018-06-27T13:21:15Z (GMT). No. of bitstreams: 1 GRAZIELE_MARQUES_MAZUCO_DOS_SANTOS_DIS.pdf: 3857481 bytes, checksum: 9c3c88f01e8e5d920ba3bc8989d2cfbf (MD5) Previous issue date: 2018-04-26 / Demand forecasting is one of the most essential components of supply chain management. Forecasts are used both for long-term and for short-term. Long-term forecasts are important because it is difficult in terms of production to face the demand deviation in a short time, so the anticipation of prediction helps to increase the responsiveness of the supply chain. Short term forecasts are important for the demand monitoring aiming to keep healthy inventory levels. In the fashion industry, the high change of products, the short life cycle and the lack of historical data makes difficult accurate predictions. To deal with this problem, the literature presents three approaches: statistical, artificial intelligence and hybrid that combines statistical and artificial intelligence. This research presents a two-phased method: (1) long-term prediction, identifies the different life cycles in the products, allowing the identification of sales prototypes for each cluster and (2) short-term prediction, classifies new products in the clusters labeled in the long-term phase and adjusts the sales curve considering optimistic and pessimist factors. As a differential, the method is based in dynamic time warping, distance measure for time series. The method is tested in a real dataset with real data from fashion retailers that demonstrates the quality of the contribution. / A previs?o de vendas no varejo da moda ? um problema complexo e um dos componentes essenciais da cadeia de suprimento, sendo utilizada tanto para previs?o de longo prazo quanto para a previs?o de curto prazo. A previs?o de longo prazo ? importante pois ? dif?cil, em termos de produ??o, enfrentar o desvio da demanda em um curto espa?o de tempo, ent?o a previs?o antecipada permite aumentar a capacidade de resposta da cadeia de suprimento. A previs?o de curto prazo ? importante para o acompanhamento da demanda, visando a adequa??o do n?vel de estoque. No varejo da moda a alta rotatividade, o curto ciclo de vida dos produtos e a consequente aus?ncia de dados hist?ricos dificulta a gera??o de previs?es precisas. Para lidar com esse problema, h? na literatura tr?s principais abordagens: estat?stica, baseada em intelig?ncia artificial e h?brida, que combina estat?stica e intelig?ncia artificial. Esta pesquisa prop?e um m?todo de previs?o de vendas em duas etapas: (1) previs?o de longo prazo, que pretende detectar diferentes grupos de produtos com ciclos de vida semelhantes, permitindo assim a identifica??o do comportamento m?dio de cada um dos grupos e (2) previs?o de curto prazo que busca associar os produtos novos nos grupos identificados na etapa de longo prazo e ajustar a curva de vendas levando em considera??o fatores conservadores, otimistas ou pessimistas. Al?m disso, nesta etapa ? poss?vel realizar a previs?o de reposi??o de itens. Como diferencial, o m?todo proposto utiliza a medida de dist?ncia Dynamic Time Warping, identificada na literatura como adequada para lidar com s?ries temporais. O m?todo ? testado utilizando dois conjuntos de dados reais de varejistas da moda, foram realizados dois experimentos, que demonstram a qualidade da contribui??o.

Made available in DSpace on 2016-04-04T18:31:34Z (GMT). No. of bitstreams: 1 Alan Menk dos Santos.pdf: 6433244 bytes, checksum: d8118b5fa4198a1f3792738316afd65a (MD5) Previous issue date: 2012-12-03 / With the implementation of the Brazilian Digital TV System (SBTVD) comes a range of new opportunities and possibilities both for viewer and TV stations. For the viewers, they will have an immense amount of channels, programs and interactive advertisements. For TV stations, it increases the possibility of advertising in new media. In this context, the opportunity arises for a recommendation system for applications and interactivity portals. This dissertation presents a proposal of advertising personalization into applications and portals of digital TV environment in order to bring a better experience to the viewer, a new form of income for the broadcasters and also a greater acceptance of specialized products for use. This work develops an application for interactive Digital TV called Smart Marketing capable of capturing viewer navigation data through both implicit and explicit means by performing customized advertising from the process of knowledge discovery. Developed from AstroTV middleware, compatible with the Brazilian specification, its application was evaluated by means of experiment that used varied user profiles, applying into the generated database the process of knowledge discovery, which used tasks of classification and grouping. The results indicated the quality of the recommendation generated by Smart Marketing. / Com a implanta??o do Sistema Brasileiro de TV Digital (SBTVD), inicia-se uma gama de novas oportunidades e possibilidades tanto para o telespectador quanto as emissoras de TV. Para os Telespectadores, eles ter?o uma imensa quantidade de canais, programas e propagandas interativas. Para as emissoras de TV, aumenta a possibilidade de propagandas em novos meios de comunica??o. Neste contexto, surge a oportunidade de um sistema de recomenda??o para os aplicativos e portais de interatividade. Esta disserta??o apresenta uma proposta de personaliza??o de propaganda em aplicativos e portais do ambiente de TV Digital com o objetivo de trazer uma melhor experi?ncia ao telespectador, uma nova forma de obten??o de recursos por parte das teledifusoras e tamb?m uma maior aceita??o de produtos especializados, para uso. Este trabalho desenvolve um aplicativo para a TV Digital interativa denominado Smart Marketing capaz de capturar os dados de navega??o do telespectador tanto por meio impl?cito quanto explicito, realizando a apresenta??o de publicidades personalizadas a partir do processo de descoberta do conhecimento. Elaborado a partir do middleware AstroTV, compat?vel com a especifica??o brasileira, sua aplica??o foi avaliada por meio do experimento que se utilizou, de usu?rios com perfis variados, aplicando na base de dados gerada o processo de descoberta de conhecimento, o qual utilizou-se das tarefas de classifica??o e agrupamento. Os resultados obtidos indicaram a qualidade da recomenda??o gerada pelo Smart Marketing.

Made available in DSpace on 2015-04-14T14:48:58Z (GMT). No. of bitstreams: 1 400741.pdf: 8197264 bytes, checksum: 06de0e14d6fe03643c75f2ccd841d590 (MD5) Previous issue date: 2008-01-30 / Diversos processos de neg?cio das organiza??es podem ser automatizados com o aux?lio de sistemas de Workflow. Alguns deles, estrategicamente importantes, necessitam de ferramentas que permitam an?lises gerenciais e auxiliem os gestores no processo de tomada de decis?o. Neste contexto, a aplica??o das t?cnicas de descoberta de conhecimento sobre os registros de execu??o das inst?ncias dos processos de neg?cio mostra-se uma pr?tica promissora. No entanto, o ambiente computacional utilizado pelas aplica??es de KDD pode ser significativamente complexo, tendo suas etapas executadas de forma independente como, por exemplo, em um ambiente orientado a servi?os. Esta arquitetura possui um problema relacionado ? troca de informa??es entre as etapas do processo, visto que cada servi?o pode ter sido escrito em linguagens diferentes e necessitar que os dados estejam dispostos em um determinado formato. Neste caso, uma vez que este formato seja ?nico, distintas aplica??es podem trabalhar utilizando mesmos dados, agregando ao procedimento com diversidade de op??es. Seguindo esta problem?tica, este trabalho versa sobre uma abordagem que visa tornar independentes duas etapas do processo de descoberta de conhecimento: a minera??o de dados e a visualiza??o dos resultados. Para isto, a solu??o proposta est? baseada no uso das tecnologias de XML e XML Schema para a defini??o de estruturas para as sa?das e entradas dos algoritmos de minera??o e t?cnicas de visualiza??o. Al?m disto, o uso de t?cnicas de XSLT contribui para que a transforma??o entre estes formatos possa ser realizada de modo automatizado. Para a valida??o da solu??o, criada com base te?rica, foram realizadas alguns testes utilizando as implementa??es de c?digo livre. A principal contribui??o deste trabalho est? na cria??o de formatos ?nicos e gen?ricos para a troca de informa??es entre as etapas citadas, bem como sua transforma??o.

Made available in DSpace on 2015-04-14T14:49:02Z (GMT). No. of bitstreams: 1 406064.pdf: 2136241 bytes, checksum: 1ec360a68cfe28f759f1832832dffb38 (MD5) Previous issue date: 2006-08-23 / Um dos principais problemas evidenciados no dom?nio da Educa??o a Dist?ncia (EAD) ? a falta de percep??o que os instrutores de cursos Web t?m quanto ? intera??o dos alunos durante o processo de aprendizado. Este problema ? mais fortemente evidenciado no ambiente da EAD devido ao pouco contato entre os instrutores e os alunos, dadas as limita??es dos ca?nais de comunica??o, e ? falta de sem?ntica no registro das p?ginas acessadas, em rela??o ao seu significado no dom?nio da aplica??o. A Minera??o do Uso da Web (MUW) oferece t?cnicas de minera??o de dados que permitem descobrir padr?es de utiliza??o da Web para melhor entender e servir as necessidades das aplica??es. O processo de MUW ? composto de etapas, a saber: pr?processamento, descoberta de padr?es e an?lise de padr?es. V?rias t?cnicas podem ser aplicadas na etapa de descoberta de padr?es. A t?cnica de agrupamento, foco deste trabalho, destaca-se por agregar valor nesta quest?o, pois tende a estabelecer grupos de usu?rios que mostram padr?es de comportamento semelhantes. O agrupamento de sess?es Web tem impulsionado uma grande ?rea de pesquisa que visa caracterizar os usu?rios com base na navega??o na Web. Por?m, nenhum trabalho foi encontrado que aborde a similaridade entre as p?ginas considerando a sem?ntica dos eventos da aplica??o quando computando a similaridade entre as sess?es Web. Al?m disso, a correta aplica??o da t?cnica de agrupamento ? uma tarefa complexa que envolve desde a prepara??o dos dados at? a escolha do algoritmo de agrupamento, al?m de estar fortemente associada ? complexidade do processo de descoberta de conhecimento. Dados os problemas identificados, este trabalho prop?e mecanismos de agrupamento e de interpreta??o de padr?es que facilitem, respectivamente, a aplica??o da t?cnica de agrupamento e a an?lise dos grupos por pessoas leigas, visando auxiliar na caracteriza??o das sess?es de aprendizado em um ambiente de EAD. Estes mecanismos fazem uso de uma taxonomia como forma de agregar sem?ntica aos eventos do dom?nio, reduzindo assim a necessidade de retorno ? etapa de pr?-processamento. O mecanismo de agrupamento proposto visa facilitar a aplica??o da t?cnica de agrupamento e aumentar a qualidade dos grupos, considerando para isso a similaridade entre as p?ginas com base na sem?ntica dos eventos do dom?nio. O mecanismo de interpreta??o proposto permite representar os grupos visualmente, de modo condizente com o objetivo do agrupamento, bem como inspecionar dinamicamente os grupos formados considerando os diferentes n?veis de abstra??o das p?ginas no dom?nio da aplica??o. Foi desenvolvido um ambiente de apoio para auxiliar o intrutor durante a execu??o das etapas da MUW visando a facilitar a aplica??o do agrupamento e a an?lise das sess?es de aprendizado

Made available in DSpace on 2015-04-14T14:49:43Z (GMT). No. of bitstreams: 1 437994.pdf: 1640213 bytes, checksum: 26f32168808fae3383c6bd3a3b9c87fc (MD5) Previous issue date: 2010-03-30 / Organizations acting on several markets have been using the benefits offered by the use of Data Mining - DM techniques as a complementary activity to their support systems to the strategic decision. However, to the great majority of the organizations, the deployment of a DM Project ends up not being feasible due to different factors, such as: Project duration, high costs and mainly by the uncertainty as to getting results that may effectively help the organization to improve their business processes. In this context, this paper presents a process based on the process of knowledge Discovery in Database - KDD which aims to identify opportunities to the application of DM techniques through the induction and ranking of decisions generated by the exploration of semi automatic Online Analytical Processing Models-OLAP. The built process uses stored information in a OLAP model prepared on the basis of used information by Customer Relationship Management - CRM and Business Intelligence - BI typically used by the organization to support strategic decision making. In relation to the information selected for this research, it has been carried out in a semi automatic way, a series of experiments using DM techniques which the results are collected and stored for later evaluation and ranking. The process was built and tested with a significant number of experiments and later evaluated by business experts in a large financial institution where this research was developed. / Organiza??es atuantes nos mais diferentes mercados, t?m utilizado os benef?cios oferecidos pela utiliza??o de t?cnicas de Data Mining DM como atividades complementares a seus sistemas de apoio a decis?o estrat?gica. Por?m, para a grande maioria das organiza??es, a implanta??o de um projeto de DM acaba sendo inviabilizada em fun??o de diferentes fatores como: dura??o do projeto, custos elevados e principalmente pela incerteza quanto ? obten??o de resultados que possam auxiliar de fato a organiza??o a melhorar seus processos de neg?cio. Neste contexto, este trabalho apresenta um processo, baseado no processo de Knowledge Discovery in Database KDD, que visa identificar oportunidades para aplica??o de t?cnicas de DM atrav?s da indu??o e ranqueamento de ?rvores de decis?o geradas pela explora??o semiautom?tica de modelos On-Line Analytical Processing - OLAP. O processo constru?do utiliza informa??es armazenadas em um modelo OLAP preparado com base nas informa??es utilizadas por sistemas de Customer Relationship Management - CRM e Business Intelligence BI, tipicamente utilizados por organiza??es no apoio a tomada de decis?o estrat?gica. Neste trabalho ? apresentada uma s?rie de experimentos, gerados de forma semiautom?tica, utilizando t?cnicas de DM, cujos resultados s?o coletados e armazenados para posterior avalia??o e ranqueamento. O processo foi constru?do e testado com um conjunto significativo de experimentos e posteriormente avaliado por especialistas de neg?cio em uma institui??o financeira de grande porte onde esta pesquisa foi desenvolvida.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-01-05T19:04:31Z No. of bitstreams: 1 TeofiloCamaraMattozo_TESE.pdf: 3892306 bytes, checksum: 427096414de89d34f951bea11c337e67 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-01-11T21:12:26Z (GMT) No. of bitstreams: 1 TeofiloCamaraMattozo_TESE.pdf: 3892306 bytes, checksum: 427096414de89d34f951bea11c337e67 (MD5) / Made available in DSpace on 2016-01-11T21:12:26Z (GMT). No. of bitstreams: 1 TeofiloCamaraMattozo_TESE.pdf: 3892306 bytes, checksum: 427096414de89d34f951bea11c337e67 (MD5) Previous issue date: 2014-10-08 / A fragilidade brasileira quanto ? competitividade tur?stica ? um fato observ?vel nos dados da Organiza??o Mundial do Turismo. O Brasil caiu em 2011, da 45? para a 52? posi??o, apesar de liderar no atributo recursos naturais e estar colocado na 23? em recursos culturais. Assim, grandes interesses e esfor?os t?m sido direcionados para o estudo da competitividade dos produtos e destinos tur?sticos. O destino tur?stico ? caracterizado por um conjunto complexo e articulado de fatores tang?veis e intang?veis, apresentando alta complexidade, dados de elevada dimensionalidade, n?o linearidade e comportamento din?mico, tornando-se dif?cil a modelagem desses processos por meio de abordagens baseadas em t?cnicas estat?sticas cl?ssicas. Esta tese investigou modelos de equa??es estruturais e seus algoritmos, aplicados nesta ?rea, analisando o ciclo completo de an?lise de dados, em um processo confirmat?rio no desenvolvimento e avalia??o de um modelo hol?stico da satisfa??o do turista; na valida??o da estrutura do modelo de medida e do modelo estrutural, por meio de testes de invari?ncia de m?ltiplos grupos; na an?lise comparativa dos m?todos de estima??o MLE, GLS e ULS para a modelagem da satisfa??o e na realiza??o de segmenta??o de mercado no setor de destino tur?stico utilizando mapas auto-organiz?veis de Kohonen e sua valida??o com modelagem de equa??es estruturais. Aplica??es foram feitas em an?lises de dados no setor de turismo, principal ind?stria de servi?os do Estado do Rio Grande do Norte, tendo sido, teoricamente desenvolvidos e testados empiricamente, modelos de equa??es estruturais em padr?es comportamentais de destino tur?stico. Os resultados do estudo emp?rico se basearam em pesquisas com a t?cnica de amostragem aleat?ria sistem?tica, efetuadas em Natal-RN, entre Janeiro e Mar?o de 2013 e forneceram evid?ncias sustent?veis de que o modelo te?rico proposto ? satisfat?rio, com elevada capacidade explicativa e preditiva, sendo a satisfa??o o antecedente mais importante da lealdade no destino. Al?m disso, a satisfa??o ? mediadora entre a gera??o da motiva??o da viagem e a lealdade do destino e que os turistas buscam primeiro ? satisfa??o com a qualidade dos servi?os de turismo e, posteriormente, com os aspectos que influenciam a lealdade. Contribui??es acad?micas e gerenciais s?o mostradas e sugest?es de estudo s?o dadas para trabalhos futuros.

Made available in DSpace on 2014-12-17T14:56:14Z (GMT). No. of bitstreams: 1 LeonardoEBS_DISSERT.pdf: 24615429 bytes, checksum: 65db01cbf658b5c63cee811e9c19bafc (MD5) Previous issue date: 2013-07-29 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Self-organizing maps (SOM) are artificial neural networks widely used in the data mining field, mainly because they constitute a dimensionality reduction technique given the fixed grid of neurons associated with the network. In order to properly the partition and visualize the SOM network, the various methods available in the literature must be applied in a post-processing stage, that consists of inferring, through its neurons, relevant characteristics of the data set. In general, such processing applied to the network neurons, instead of the entire database, reduces the computational costs due to vector quantization. This work proposes a post-processing of the SOM neurons in the input and output spaces, combining visualization techniques with algorithms based on gravitational forces and the search for the shortest path with the greatest reward. Such methods take into account the connection strength between neighbouring neurons and characteristics of pattern density and distances among neurons, both associated with the position that the neurons occupy in the data space after training the network. Thus, the goal consists of defining more clearly the arrangement of the clusters present in the data. Experiments were carried out so as to evaluate the proposed methods using various artificially generated data sets, as well as real world data sets. The results obtained were compared with those from a number of well-known methods existent in the literature / Os mapas auto-organiz?veis (SOM) s?o redes neurais artificiais amplamente utilizadas no campo da minera??o de dados, principalmente por se constitu?rem numa t?cnica de redu??o de dimensionalidade dada a grade fixa de neur?nios associada ? rede. A fim de particionar e visualizar adequadamente a rede SOM, os diversos m?todos existentes na literatura devem ser aplicados em uma etapa de p?s-processamento nos seus neur?nios, visando inferir caracter?sticas relevantes do conjunto de dados. Em geral, tal processamento efetuado sobre os neur?nios da rede, ao inv?s do conjunto de dados em sua totalidade, reduz o custo computacional, dada a quantiza??o vetorial. Este trabalho prop?e p?s-processamentos dos neur?nios da rede SOM nos espa?os de entrada e de sa?da, aliando t?cnicas de visualiza??o a algoritmos baseados na for?a gravitacional e na procura do menor caminho com maior recompensa. Tais m?todos levam em considera??o for?as de liga??o entre neur?nios vizinhos e caracter?sticas de dist?ncias e densidade de padr?es, ambas associadas a posi??o que o neur?nio ocupa no espa?o dos dados ap?s o treinamento da rede. Dessa forma, busca-se definir mais nitidamente a disposi??o dos agrupamentos presentes nos dados. Experimentos foram realizados para avaliar os m?todos propostos utilizando diversos conjuntos de dados gerados artificialmente, assim como conjuntos de dados do mundo real. Os resultados obtidos foram comparados com aqueles provenientes de alguns m?todos bem conhecidos existentes na literatura