TÃcnicas de agrupamento de dados na mineraÃÃo de dados quÃmicos

AUTOR(ES)

Juliana de Aguiar Loureiro

DATA DE PUBLICAÇÃO

2005

RESUMO

O processo de descoberta de conhecimento em bases de dados (Knowledge Discovery in Databases â KDD) tem por objetivo extrair informaÃÃes Ãteis (conhecimento) a partir de uma extensa quantidade de dados. Este processo, por sua vez, se constitui de vÃrias etapas, entre elas, a atividade de mineraÃÃo dos dados, representada neste estudo sob forma de anÃlise de agrupamento. Um problema caracterÃstico dessa etapa à identificar qual ou quais mÃtodos de agrupamento podem realmente apresentar uma classificaÃÃo Ãtil e vÃlida para o conjunto de dados em estudo. Entre os mecanismos de apoio à triagem e estudo das tÃcnicas de anÃlise de agrupamento està o conhecimento adquirido sobre o conjunto de dados, o conhecimento de tÃcnicas estatÃsticas para realizar a anÃlise exploratÃria dos dados e principalmente conhecer bem quais algoritmos sÃo adequados ao problema de interesse. A presente dissertaÃÃo visa considerar os procedimentos de KDD apropriados para a aplicaÃÃo das tÃcnicas de anÃlise de agrupamento a um conjunto de dados quÃmicos

ASSUNTO(S)

descoberta de conhecimento, anÃlise de agrupamento, molÃculas, mineraÃÃo de dados ciencia da computacao knowledge discovery database, cluster analysis, data mining, k-means

Documentos Relacionados

• MineraÃÃo de regras para seleÃÃo de tÃcnicas de agrupamento para dados de expressÃo gÃnica de cÃncer
• MineraÃÃo de dados aplicada à cardiologia pediÃtrica
• MÃtodos de mineraÃÃo de dados (data mining) como suporte à tomada de decisÃo.
• AvaliaÃÃo da efetividade de agentes quÃmicos empregados em procedimentos clareadores de dentes desvitais
• MineraÃÃo de dados aplicada ao estudo do perfil de trÃfegos aÃreos desconhecidos.