Made available in DSpace on 2014-06-12T15:49:15Z (GMT). No. of bitstreams: 1
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O processo de descoberta de conhecimento tem por objetivo a extração de
informações úteis (conhecimento) em bases de dados. As ferramentas utilizadas
para execução do processo de extração de conhecimento são genéricas
e derivadas de diferentes áreas de conhecimento tais como da estatística,
aprendizagem de máquina e banco de dados. Dentre as técnicas estatísticas,
os modelos de regressão procuram classificar ou prever o comportamento de
uma variável dependente (resposta) a partir das informações provenientes de
um conjunto de variáveis independentes (explicativas). A análise de dados
simbólicos (SDA) (Bock & Diday 2000) tem sido introduzida como uma novo
domínio relacionado à análise multivariada, reconhecimento de padrões e inteligência
artificial com o objetivo de estender os métodos estatísticos e de
análise exploratória de dados para dados simbólicos. O objetivo deste trabalho
é propor métodos de regressão linear e não-linear para dados simbólicos
que apresentem uma performance de predição superior ao método proposto
por Billard & Diday (2000), no caso de variáveis simbólicas tipo intervalo
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/1344 |
Date | 31 January 2008 |
Creators | de Andrade Lima Neto, Eufrasio |
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/doctoralThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0015 seconds