Made available in DSpace on 2014-06-12T15:51:50Z (GMT). No. of bitstreams: 1
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2008 / Com a crescente quantidade de informacões produzidas pelas diversas atividades humanas,
tem se tornado cada vez mais importante agregar, tratar e manipular grandes
massas de dados de modo a definir conceitos e extrair conhecimento destes dados. Esses
conceitos podem ser descritos por dados mais complexos, chamados dados simbolicos.
Nesse contexto, surge a necessidade de estender metodos exploratorios, estatisticos e representações
graficas para lidar com esse tipo de dados, em que cada variavel pode assumir
como valor um conjunto de categorias, intervalos ou distribuicões de probabilidades. A
analise de dados simbolicos e definida como a extensão dos metodos de analise de dados
classicos para tal tipo de dados. Com o intuito de estender metodos estatisticos e tecnicas
de aprendizado de maquina a esse tipo de dados, e necessario definir medidas de distância
apropriadas. Diversas medidas de distância têm sido propostas na literatura. No entanto,
ainda existe na literatura uma carência de analises comparativas dos desempenhos de
medidas de distância para dados simbolicos. A principal contribuicão desta Dissertacão
e prover uma avaliacão empirica de funções de dissimilaridade para dados simbolicos no
contexto de analise de agrupamento. Alem disso, foram propostas novas medidas de
dissimilaridade para dados simbolicos. Com o intuito de atingir esses objetivos, foi desenvolvido
um framework para agrupamento de dados simbolicos. Esse framework utiliza
funções de dissimilaridade baseadas em volume e algoritmos de agrupamento de dados
relacionais. Os experimentos foram executados com bases de dados de benchmark e duas
bases de dados artificiais com diferentes graus de dificuldade de agrupamento. Os resultados
obtidos foram avaliados atraves do indice de rand corrigido. Em seguida, foram
construidos os intervalos de confianca para comparar os desempenhos dos algoritmos de
agrupamento e das medidas de dissimilaridade
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/1677 |
Date | 31 January 2008 |
Creators | Patrícia da Silva, kelly |
Contributors | de Assis Tenório Carvalho, Francisco |
Publisher | Universidade Federal de Pernambuco |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0171 seconds