The Data Mining techniques, based on the Kohonen self-organizing maps have been largely
used for classifying signals in several areas of expertise. Generally, the SOM network (Self-
Organizing Maps) is used to specify similarity relationships between objects by adopting cluster
analysis. The computational cost, data preparation and mathematical modeling can influence
the interpretation of results, in which those from the evaluation classes are among its
limitations. The Kohonen maps do not permit detailed evaluation of the class of objects, which
may however be defined by the class limits, in other words defining a measure that can link
when an object belonging to a particular class can migrate from one class to another . To adopt
this approach the solutions proposed in this Masters dissertation are designed to implement the
Kohonen self-organizing maps and the fuzzy logic to generate neighborhoods between classes
aimed at applying these techniques on a two-case study for classifying signals from potencial
power systems and Biomedical output signals adopting an interpretation of the Kohonen nebula
maps. The work is basically divided into three stages: the first which would be followed by a
review of the data-mining techniques and fuzzy logic shown in literature; the second focuses
on applying the classifier algorithm using artificial neural networks, specifically the usage of
neural networks as SOM data mining techniques to enable the classification of signals while
the third step demonstrates the SOM network fuzzy logic multidisciplinary approach as an
alternative tool of the data-mining methods. / Fundação de Amparo a Pesquisa do Estado de Alagoas / As técnicas de mineração de dados baseadas nos mapas auto organizáveis de Kohonen têm sido
bastante utilizada na classificação de sinais nas mais diversas áreas de conhecimento. Geralmente,
a rede SOM (Self-Organizing Maps) é usada para especificar relações de similaridade
entre objetos abordando análise de agrupamentos. O custo computacional, a preparação dos
dados e modelagem matemática poderá influenciar na interpretação dos resultados, entre suas
limitações encontram-se aquelas provenientes da avaliação das classes. Os mapas de Kohonen
não permite avaliar de forma detalhada a classe dos objetos, os quais poderão está definidos
pelo limite da classe, ou seja, definir uma medida que possa relacionar quando um objeto que
pertença a uma classe particular possa migrar de uma classe para outra. Para adotar essa abordagem
a solução proposta nesta dissertação de mestrado têm como objetivo aplicar os mapas
auto-organizáveis de Kohonen e a lógica nebulosa para gerar as vizinhanças entre as classes
visando aplicação dessas técnicas em dois estudos de casos na classificação dos sinais provenientes
dos sistemas elétricos de potência e sinais biomédicos adotando uma interpretação nebulosa
dos mapas de Kohonen. O trabalho se divide basicamente em três etapas: na primeira,
será realizada uma revisão das técnicas de mineração de dados e da lógica nebulosa mostradas
na literatura; na segunda, concentra-se aplicar o algoritmo classificador utilizando redes neurais
artificiais, especificamente redes neurais SOM como técnica de mineração de dados para
efetuar a classificação dos sinais; na terceira etapa demonstramos a abordagem multidisciplinar
da rede SOM e da lógica nebulosa como uma ferramenta alternativa aos métodos de mineração
de dados.
Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufal.br:riufal/823 |
Date | 12 November 2008 |
Creators | Maciel, Andrilene Ferreira |
Contributors | Coradine, Luis Cláudius, CORADINE, L. C., Lopes, Roberta Vilhena Vieira, LOPES, R. V. V., Lopes, Manoel Agamemnon, LOPES, M. A., Lima, Manoel Eusebio de, LIMA, Manoel Eusebio de, Bezerra, Antônio Fernando de Sousa, BEZERRA, A. F. S. |
Publisher | Universidade Federal de Alagoas, BR, Modelagem Computacional de Conhecimento, Programa de Pós-Graduação em Modelagem Computacional de Conhecimento, UFAL |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFAL, instname:Universidade Federal de Alagoas, instacron:UFAL |
Rights | info:eu-repo/semantics/openAccess |
Relation | bitstream:http://www.repositorio.ufal.br:8080/bitstream/riufal/823/1/Dissertacao_AndrileneFerreiraMaciel_2008.pdf, bitstream:http://www.repositorio.ufal.br:8080/bitstream/riufal/823/2/Dissertacao_AndrileneFerreiraMaciel_2008.pdf.txt |
Page generated in 0.0016 seconds