Made available in DSpace on 2014-06-12T16:01:13Z (GMT). No. of bitstreams: 2
arquivo7201_1.pdf: 2018800 bytes, checksum: 53a5a6f555847d7a5b53bef8739ece02 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2005 / O processo de descoberta de conhecimento em bases de dados (Knowledge
Discovery in Databases KDD) tem por objetivo extrair informações úteis
(conhecimento) a partir de uma extensa quantidade de dados. Este processo,
por sua vez, se constitui de várias etapas, entre elas, a atividade de mineração
dos dados, representada neste estudo sob forma de an´ alise de agrupamento.
Um problema característico dessa etapa é identificar qual ou quais métodos de
agrupamento podem realmente apresentar uma classificação útil e válida para
o conjunto de dados em estudo. Entre os mecanismos de apoio à triagem e
estudo das técnicas de análise de agrupamento está o conhecimento adquirido
sobre o conjunto de dados, o conhecimento de técnicas estatísticas para
realizar a análise exploratória dos dados e principalmente conhecer bem quais
algoritmos são adequados ao problema de interesse. A presente dissertação
visa considerar os procedimentos de KDD apropriados para a aplicação das
técnicas de análise de agrupamento a um conjunto de dados químicos
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/2791 |
| Date | January 2005 |
| Creators | de Aguiar Loureiro, Juliana |
| Contributors | César Frery Orgambide, Alejandro |
| 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 0.002 seconds