Página 1 dos resultados de 6968 itens digitais encontrados em 0.039 segundos

Inferência de propriedades químicas do algodão através de técnicas de data mining

Bastos, Pedro
Fonte: Universidade do Minho Publicador: Universidade do Minho
Tipo: Dissertação de Mestrado
POR
Relevância na Pesquisa
66.19%
Este trabalho descreve a forma como a ferramenta de prospecção de dados (data mining) Clementine pode ser utilizada na extracção de conhecimento de dados relativos a propriedades físicas e químicas da fibra de algodão. Os resultados atingidos demonstram a forma como as técnicas de prospecção de dados podem ser usadas para estabelecer, de forma eficiente, relações existentes entre as propriedades das fibras. O desenvolvimento tecnológico tornou possível a medição das diferentes propriedades físicas das fibras de algodão tipo comprimento, micronaire, grau de uniformidade, alongamento, resistência, cor e grau de impureza. Isto é conseguido através da utilização de instrumentos HVI1, proporcionando resultados rápidos e fiáveis. No entanto, no que diz respeito ao estudo das propriedades químicas os resultados são obtidos usando métodos laboratoriais mais demorados e dispendiosos, assim por vezes são completamente ignorados pelos diferentes agentes englobados no processo de transformação da matéria prima em produto final. Assim sendo, o estudo de todas as possíveis relações existentes entre as diferentes propriedades físicas e químicas são descartadas. Este conhecimento é bastante importante, pois as propriedades químicas afectam em muito o processo de transformação das referidas fibras. Desta forma...

A importância do data mining na descoberta de padrões e tendências nos dados

Bastos, Pedro
Fonte: Instituto Politécnico de Bragança, Escola Superior Agrária Publicador: Instituto Politécnico de Bragança, Escola Superior Agrária
Tipo: Conferência ou Objeto de Conferência
POR
Relevância na Pesquisa
66.23%
Hoje em dia, a quantidade de dados gerados e armazenados no decurso de uma qualquer actividade excede a capacidade de análise desses mesmos dados sem o uso de técnicas de análise automatizadas. Como consequência deste aumento efetivo de informação, o processamento através de métodos tradicionais tornou-se mais difícil e complexo. As ferramentas convencionais de análises de dados têm capacidades limitadas em detetar padrões e descobrir o conhecimento inserido nos dados, pois só utilizam métodos estatísticos. Surgiu então a urgente necessidade de uma nova geração de técnicas e ferramentas computacionais de forma a assistir o ser humano na extração de informação útil, isto é, conhecimento. Assim, no final dos anos 80 emergiu a área da descoberta de conhecimento em bases de dados (Knowledge Discovery in Databases – KDD), recorrendo a modelos e técnicas de Data Mining para extrair conhecimento útil, padrões e tendências, previamente desconhecidas, de forma autónoma e semi-automática. O Data Mining e a descoberta de conhecimento em bases de dados tornaram-se proeminentes campos de pesquisa em constante e rápido crescimento. Atualmente muitas técnicas e algoritmos têm sido desenvolvidos e utilizados em Data Mining. O Data Mining...

Visualização de operações de junção em sistemas de bases de dados para mineração de dados.; Visualization of join operations in DBMS for data mining.

Barioni, Maria Camila Nardini
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 13/06/2002 PT
Relevância na Pesquisa
66.16%
Nas últimas décadas, a capacidade das empresas de gerar e coletar informações aumentou rapidamente. Essa explosão no volume de dados gerou a necessidade do desenvolvimento de novas técnicas e ferramentas que pudessem, além de processar essa enorme quantidade de dados, permitir sua análise para a descoberta de informações úteis, de maneira inteligente e automática. Isso fez surgir um proeminente campo de pesquisa para a extração de informação em bases de dados denominado Knowledge Discovery in Databases – KDD, no geral técnicas de mineração de dados – DM – têm um papel preponderante. A obtenção de bons resultados na etapa de mineração de dados depende fortemente de quão adequadamente o preparo dos dados é realizado. Sendo assim, a etapa de extração de conhecimento (DM) no processo de KDD, é normalmente precedida de uma etapa de pré-processamento, onde os dados que porventura devam ser submetidos à etapa de DM são integrados em uma única relação. Um problema importante enfrentado nessa etapa é que, na maioria das vezes, o usuário ainda não tem uma idéia muito precisa dos dados que devem ser extraídos. Levando em consideração a grande habilidade de exploração da mente humana, este trabalho propõe uma técnica de visualização de dados armazenados em múltiplas relações de uma base de dados relacional...

Analisando os dados do programa de melhoramento genético da raça nelore com data warehousing e data mining.; Analyzing the program of genetic improvement of nelore breed data with data warehousing and data mining.

Marques, Valmir Ferreira
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 28/10/2002 PT
Relevância na Pesquisa
66.19%
A base de dados do Programa de Melhoramento Genético da Raça Nelore está crescendo consideravelmente, com isso, a criação de um ambiente que dê apoio à análise dos dados do Programa é de fundamental importância. As tecnologias que são utilizadas para a criação de um ambiente analítico são os processos de Data Warehousing e de Data Mining. Neste trabalho, foram construídos um Data Warehouse e consultas OLAP para fornecer visões multidimensionais dos dados. Além das análises realizadas com as consultas, também foi utilizada uma ferramenta de Data Mining Visual. O ambiente analítico desenvolvido proporciona aos pesquisadores e criadores do Programa um maior poder de análise de seus dados. Todo o processo de desenvolvimento desse ambiente é aqui apresentado.; The Program of Genetic Improvement of Nelore Breed database have been growing considerably. Therefore, the creation of an environment to support the data analysis of Program is very important. The technologies that are used for the creation of an analytical environment are the Data Warehousing and the Data Mining processes. In this work, a Data Warehouse and OLAP consultations had been constructed to supply multidimensional views of the data. Beyond the analyses carried through with the consultations...

Data mining in large sets of complex data; Mineração de dados em grande conjuntos de dados complexos

Cordeiro, Robson Leonardo Ferreira
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 29/08/2011 EN
Relevância na Pesquisa
66.22%
Due to the increasing amount and complexity of the data stored in the enterprises' databases, the task of knowledge discovery is nowadays vital to support strategic decisions. However, the mining techniques used in the process usually have high computational costs that come from the need to explore several alternative solutions, in different combinations, to obtain the desired knowledge. The most common mining tasks include data classification, labeling and clustering, outlier detection and missing data prediction. Traditionally, the data are represented by numerical or categorical attributes in a table that describes one element in each tuple. Although the same tasks applied to traditional data are also necessary for more complex data, such as images, graphs, audio and long texts, the complexity and the computational costs associated to handling large amounts of these complex data increase considerably, making most of the existing techniques impractical. Therefore, especial data mining techniques for this kind of data need to be developed. This Ph.D. work focuses on the development of new data mining techniques for large sets of complex data, especially for the task of clustering, tightly associated to other data mining tasks that are performed together. Specifically...

Soluções aproximadas para algoritmos escaláveis de mineração de dados em domínios de dados complexos usando GPGPU; On approximate solutions to scalable data mining algorithms for complex data problems using GPGPU

Mamani, Alexander Victor Ocsa
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 22/09/2011 PT
Relevância na Pesquisa
66.16%
A crescente disponibilidade de dados em diferentes domínios tem motivado o desenvolvimento de técnicas para descoberta de conhecimento em grandes volumes de dados complexos. Trabalhos recentes mostram que a busca em dados complexos é um campo de pesquisa importante, já que muitas tarefas de mineração de dados, como classificação, detecção de agrupamentos e descoberta de motifs, dependem de algoritmos de busca ao vizinho mais próximo. Para resolver o problema da busca dos vizinhos mais próximos em domínios complexos muitas abordagens determinísticas têm sido propostas com o objetivo de reduzir os efeitos da maldição da alta dimensionalidade. Por outro lado, algoritmos probabilísticos têm sido pouco explorados. Técnicas recentes relaxam a precisão dos resultados a fim de reduzir o custo computacional da busca. Além disso, em problemas de grande escala, uma solução aproximada com uma análise teórica sólida mostra-se mais adequada que uma solução exata com um modelo teórico fraco. Por outro lado, apesar de muitas soluções exatas e aproximadas de busca e mineração terem sido propostas, o modelo de programação em CPU impõe restrições de desempenho para esses tipos de solução. Uma abordagem para melhorar o tempo de execução de técnicas de recuperação e mineração de dados em várias ordens de magnitude é empregar arquiteturas emergentes de programação paralela...

Técnicas de Data Mining na aquisição de clientes para financiamento de Crédito Direto ao Consumidor - CDC; Data Mining Techniques to acquire new customers for financing of Consumer Credit

Silva, Adriana Maria Marques da
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 27/09/2012 PT
Relevância na Pesquisa
66.16%
O trabalho busca dissertar sobre as técnicas de data mining mais difundidas: regressão logística, árvore de decisão e rede neural, além de avaliar se tais técnicas oferecem ganhos financeiros para instituições privadas que contam com processos ativos de conquista de clientes. Uma empresa do setor financeiro será utilizada como objeto de estudo, especificamente nos seus processos de aquisição de novos clientes para adesão do Crédito Direto ao Consumidor (CDC). Serão mostrados os resultados da aplicação nas três técnicas mencionadas, para que seja possível verificar se o emprego de modelos estatísticos discriminam os clientes potenciais mais propensos dos menos propensos à adesão do CDC e, então, verificar se tal ação impulsiona na obtenção de ganhos financeiros. Esses ganhos poderão vir mediante redução dos custos de marketing abordando-se somente os clientes com maiores probabilidades de responderem positivamente à campanha. O trabalho apresentará o funcionamento de cada técnica teoricamente, e conforme os resultados indicam, data mining é uma grande oportunidade para ganhos financeiros em uma empresa.; The paper intends to discourse about most widespread data mining techniques: logistic regression...

Data mining em banco de dados de eletrocardiograma; Data mining in electrocardiogram databases

Ferreira, José Alves
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 23/04/2014 PT
Relevância na Pesquisa
66.22%
Neste estudo, foi proposta a exploração de um banco de dados, com informações de exames de eletrocardiogramas (ECG), utilizado pelo sistema denominado Tele-ECG do Instituto Dante Pazzanese de Cardiologia, aplicando a técnica de data mining (mineração de dados) para encontrar padrões que colaborem, no futuro, para a aquisição de conhecimento na análise de eletrocardiograma. A metodologia proposta permite que, com a utilização de data mining, investiguem-se dados à procura de padrões sem a utilização do traçado do ECG. Três pacotes de software (Weka, Orange e R-Project) do tipo open source foram utilizados, contendo, cada um deles, um conjunto de implementações algorítmicas e de diversas técnicas de data mining, além de serem softwares de domínio público. Regras conhecidas foram encontradas (confirmadas pelo especialista médico em análise de eletrocardiograma), evidenciando a validade dessa metodologia.; In this study, the exploration of electrocardiograms (ECG) databases, obtained from a Tele-ECG System of Dante Pazzanese Institute of Cardiology, has been proposed, applying the technique of data mining to find patterns that could collaborate, in the future, for the acquisition of knowledge in the analysis of electrocardiograms. The proposed method was to investigate the data looking for patterns without the use of the ECG traces. Three Data-mining open source software packages (Weka...

Modelos baseados em data mining para classificação multitemporal de culturas no Mato Grosso utilizando dados de NDVI/MODIS; Models based on data mining for classification multitemporal crop in Mato Grosso data using NDVI/MODIS

Kelly Marques de Oliveira Lopes
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 09/08/2013 PT
Relevância na Pesquisa
66.16%
O desenvolvimento de estudos na área de geotecnologia e o aumento na capacidade de armazenar dados têm melhorado a exploração e os estudos de imagens de satélites obtidas através de sensores orbitais. O mapeamento da cobertura da terra, estimativas de produtividade de culturas e a previsão de safras são informações importantes para o agricultor e para o governo, pois essas informações são essenciais para subsidiar decisões relacionadas à produção, estimativas de compra e venda, e cálculos de importação e exportação. Uma das alternativas para analisar dados de uso e cobertura da terra, obtidos por meio de sensores, é o uso de técnicas de mineração de dados, uma vez que essas técnicas podem ser utilizadas para transformar dados e informações em conhecimentos que irão subsidiar decisões relativas ao planejamento agrícola. Neste trabalho, foram utilizados dados multitemporais sobre o índice de vegetação NDVI, derivados de imagens do sensor MODIS, para o monitoramento das culturas de algodão, soja e milho no estado do Mato Grosso, no período do ano-safra de 2008/2009. O conjunto de dados, fornecido pela Embrapa Informática Agropecuária, foi composto por 24 colunas e 728 linhas, onde as 23 primeiras colunas referem-se aos valores do NVDI...

O data mining na compreensão do fenómeno da dor : uma proposta de aplicação

Ferreira, Carlos; Fernandes, Helder; Alves, Vera; Santos, Maribel Yasmina
Fonte: Universidade do Minho Publicador: Universidade do Minho
Tipo: Conferência ou Objeto de Conferência
Publicado em /06/2006 POR
Relevância na Pesquisa
66.16%
A Dor, fenómeno difícil de compreender, tem sido objecto de estudo na Medicina. A sua natureza subjectiva faz com que as variáveis em estudo devam ter um âmbito alargado, que permita caracterizar convenientemente este fenómeno. A compreensão deste fenómeno pode ser facilitada com recurso a técnicas de Data Mining, suportadas, ou não, por Data Warehouses. O Clinical Data Mining tem sido utilizado para identificar as melhores terapias para diversas doenças, para explorar os factores de sucesso/insucesso das cirurgias e para determinar padrões diversos. O Clinical Data Warehouse consiste num repositório de dados optimizado para facilitar a análise de dados clínicos. Este artigo apresenta os conceitos associados ao Clinical Data Mining e Clinical Data Warehouse, assim como apresenta um conjunto de variáveis relevantes para a compreensão da dor. Esta compreensão será realizada recorrendo a técnicas de Data Mining, na análise de uma Base de Dados cuja estrutura é também aqui apresentada.; Agência de Inovação

Grid data mining for outcome prediction in intensive care medicine

Santos, Manuel Filipe; Wesley, Mathew; Portela, Filipe
Fonte: Springer Publicador: Springer
Tipo: Artigo de Revista Científica
Publicado em //2011 ENG
Relevância na Pesquisa
66.17%
This paper introduces a distributed data mining approach suited to grid computing environments based on a supervised learning classifier system. Specific Classifier and Majority Voting methods for Distributed Data Mining (DDM) are explored and compared with the Centralized Data Mining (CDM) approach. Experimental tests were conducted considering a real world data set from the intensive care medicine in order to predict the outcome of the patients. The results demonstrate that the performance of the DDM methods are better than the CDM method.; Fundação para a Ciência e a Tecnologia (FCT)

Grid data mining by means of learning classifier systems and distributed model induction

Santos, Manuel Filipe; Mathew, Wesley; Santos, Henrique Dinis dos
Fonte: Universidade do Minho Publicador: Universidade do Minho
Tipo: Conferência ou Objeto de Conferência
Publicado em //2011 ENG
Relevância na Pesquisa
66.23%
This paper introduces a distributed data mining approach suited to grid computing environments based on a supervised learning classifier system. Different methods of merging data mining models generated at different distributed sites are explored. Centralized Data Mining (CDM) is a conventional method of data mining in distributed data. In CDM, data that is stored in distributed locations have to be collected and stored in a central repository before executing the data mining algorithm. CDM method is reliable; however it is expensive (computational, communicational and implementation costs are high). Alternatively, Distributed Data Mining (DDM) approach is economical but it has limitations in combining local models. In DDM, the data mining algorithm has to be executed at each one of the sites to induce a local model. Those induced local models are collected and combined to form a global data mining model. In this work six different tactics are used for constructing the global model in DDM: Generalized Classifier Method (GCM); Specific Classifier Method (SCM); Weighed Classifier Method (WCM); Majority Voting Method (MVM); Model Sampling Method (MSM); and Centralized Training Method (CTM). Preliminary experimental tests were conducted with two synthetic data sets (eleven multiplexer and monks3) and a real world data set (intensive care medicine). The initial results demonstrate that the performance of DDM methods is competitive when compared with the CDM methods.; Fundação para a Ciência e a Tecnologia (FCT)

Um ambiente gráfico para facilitar tarefas de data mining via ferramenta R

Costa, Joel Frederico Azevedo
Fonte: Universidade do Minho Publicador: Universidade do Minho
Tipo: Dissertação de Mestrado
Publicado em //2011 POR
Relevância na Pesquisa
66.23%
Dissertação de mestrado em Tecnologias e Sistemas de Informação (área de especialização em Engenharia e Gestão de Sistemas de Informação); Com o rápido crescimento no uso das Tecnologias de Informação nas organizações, os dados organizacionais começaram a crescer a ritmo alucinante, tornando difícil a sua análise.. Este facto fez com que surgisse uma área denominada de Data Mining. Esta área utiliza técnicas provenientes da Inteligência Artificial, Estatística, Matemática e Bases de Dados, com o objetivo de extrair conhecimento útil a partir de dados em bruto. Atualmente existe uma ferramenta open-source, chamada R, muito popular entre os analistas de Data Mining. Apesar da ferramenta não ser orientada especificamente para o Data Mining, pode ser adaptada para tal, através de instalação de packages. Em particular, o package rminer facilita a utilização de algoritmos de Data Mining de aprendizagem supervisionada, tal como Redes Neuronais Artificiais (RNAs) e Máquina de Vetores de Suporte (MVSs), em problemas de Classificação e Regressão. Contudo, o facto desta biblioteca funcionar via um conjunto de comandos, em modo de consola, exige uma certa curva de aprendizagem por parte dos utilizadores não especializados. Assim...

Data mining languages for business intelligence

Azevedo, Ana Isabel Rojão Lourenço
Fonte: Universidade do Minho Publicador: Universidade do Minho
Tipo: Tese de Doutorado
Publicado em 10/10/2012 ENG
Relevância na Pesquisa
66.18%
Tese de doutoramento in Information Systems and Technologies (area of Engineering and Management Information Systems); Desde que Lunh usou, pela primeira vez, em 1958, o termo Business Intelligence (BI), grandes transformações se operaram na área dos sistemas e tecnologias de informação e, em especial, na área dos sistemas de apoio à decisão. Atualmente, os sistemas de BI são amplamente utilizados nas organizações e a sua importância estratégica é largamente reconhecida. Estes sistemas apresentam-se como essenciais para um completo conhecimento do negócio e como uma ferramenta insubstituível no apoio à tomada de decisão. A divulgação das ferramentas de Data Mining (DM) tem vindo a aumentar na área do BI, assim como o reconhecimento da relevância da sua utilização nos sistemas de BI empresariais. As ferramentas de BI são ferramentas amigáveis, iterativas e interativas, permitindo aos utilizadores finais um acesso fácil. Desta forma, é possível ao utilizador final manipular diretamente os dados, tendo assim a possibilidade de extrair todo o valor para o negócio neles contido. Um dos problemas apontados na utilização do DM na área do BI prende-se com o facto de os modelos de DM serem, em geral...

Inferência de propriedades químicas do algodão através de técnicas de Data Mining

Bastos, Pedro Miguel Lopes
Fonte: Universidade do Minho Publicador: Universidade do Minho
Tipo: Dissertação de Mestrado
Publicado em //2003 POR
Relevância na Pesquisa
66.21%
Dissertação de mestrado em Sistemas de Informação; Este trabalho descreve a forma como a ferramenta de prospecção de dados (data mining) Clementine pode ser utilizada na extração de conhecimento de dados relativos a propriedades físicas e químicas da fibra de algodão. Os resultados atingidos demonstram a forma como as técnicas de prospecção de dados podem ser usadas para estabelecer, de forma eficiente, relações existentes entre as propriedades das fibras. O desenvolvimento tecnológico tornou possível a medição das diferentes propriedades fisicas das fibras de algodão tipo comprimento, micronaire, grau de uniformidade, alongamento, resistência, cor e grau de impureza. Isto é conseguido através da utilização de instrumentos HVI1, proporcionando resultados rápidos e fiáveis. No entanto, no que diz respeito ao estudo das propriedades químicas os resultados são obtidos usando métodos laboratoriais mais demorados e dispendiosos, assim por vezes são complectamente ignorados pelos diferentes agentes englobados no processo de transformação da metéria prima em produto final. Assim sendo, o estudo de todas as possiveis relações existentes entre as diferentes propriedades fisicas e químicas são descartadas. Este conhecimento é bastante importante...

Recomendaciones pedagógicas para el uso de la plataforma Moodle apoyadas por herramientas de Minería de Datos; Pedagogicals recommendations for the use of Moodle platform supported by Data Mining tools

Parra Cicero, Priscila Guadalupe
Fonte: Universidade de Cantabria Publicador: Universidade de Cantabria
Tipo: Dissertação de Mestrado
SPA
Relevância na Pesquisa
66.18%
RESUMEN: En la actualidad el mundo académico y empresarial se encuentran en una fuerte competencia entre organizaciones que se rige principalmente por tener a las personas más cualificadas. Por ello, todas ellas apuestan por la capacitación o la forma más allegada de aprendizaje. Es importante tomar en cuenta que en la actualidad se vive un proceso de crisis económica global, que afecta a dichas organizaciones y, por ello, es más común la búsqueda de herramientas que faciliten la llegada de conocimientos a los usuarios de una manera más rápida, eficaz y económica. Es ahí donde entran herramientas como Moodle (Learning Managment System – LMS) que es un Sistema de Gestión del Aprendizaje que permite desarrollar un espacio de aprendizaje internet/intranet donde los usuarios puedan aprender aquello que la organización desea de una manera agradable, flexible, pero sobre todo, buscando la eficiencia y la eficacia en el Proceso de Enseñanza Aprendizaje (PEA). Pero la tarea de las organizaciones no termina ahí, es importante implantar un sistema de Evaluación Continua que permita verificar el correcto aprendizaje de los contenidos y hacer de manera rápida cualquier cambio en los mismos. El problema surge cuando dentro de dicho LMS se maneja una cantidad de información tan grande que para las organizaciones representa muchas horas de análisis si se hace uno a uno. Una solución que permite un análisis mejor y más rápido de dichos datos es la Minería de Datos (su término en inglés Data Mining es igualmente usado)...

Descoberta automatizada de associações com o uso de algoritmo Apriori como técnica de mineração de dados; Automatic discovery of associations by Apriori data mining technique

ALMEIDA, Derciley Cunha de
Fonte: Universidade Federal de Goiás; BR; UFG; Mestrado em Engenharia Elétrica e de Computação; Engenharia Publicador: Universidade Federal de Goiás; BR; UFG; Mestrado em Engenharia Elétrica e de Computação; Engenharia
Tipo: Dissertação Formato: application/pdf
POR
Relevância na Pesquisa
66.21%
Nowadays, the use of modern information systems allows the storage and management of increasingly large amounts of data. On the other hand, the full analysis and the maximum extraction of useful information from this universe of available data present considerable challenges in view of inherent human limitations. This dissertation deals with the subject of data mining, which is the use of technology resources in order to extract information from databases in an automated way. One of the possibilities offered by data mining technologies is the automated search for possible associations within data. Information about such associations can be useful for understanding cause and effect relationships between the involved variables in data analysis for decision making. There are several data mining techniques and many of them can be used for discovering associations. The main goal of this work is to study a particular method for automated search of associations called Apriori , evaluating its capabilities and outcomes. The study focuses on the problem of improving the Apriori algorithm results, taking into consideration that the results of the data mining process might be improved if the data are prepared specifically for Apriori application. The conclusions are drawn from a case study in which the Apriori algorithm was applied to a database with information on drug distribution at a health institute. The results of two experiments are considered in order to evaluate the influence of data preprocessing on the Apriori algorithm's performance. It was found that the Apriori algorithm yields satisfactory results on the discovery of association in data; however...

Data mining languages for business intelligence

Azevedo, Ana Isabel Rojão Lourenço
Fonte: Universidade do Minho Publicador: Universidade do Minho
Tipo: Tese de Doutorado
Publicado em //2011 POR
Relevância na Pesquisa
66.23%
Doctoral Thesis in Information Systems and Technologies Area of Engineering and Manag ement Information Systems; Desde que Lunh usou, pela primeira vez, em 1958, o termo Business Intelligence (BI), grandes transformações se operaram na área dos sistemas e t ecnologias de informação e, em especial, na área dos sistemas de apoio à decisão. Atualmente , os sistemas de BI são amplamente utilizados nas organizações e a sua importância est ratégica é largamente reconhecida. Estes sistemas apresentam-se como essenciais para um comp leto conhecimento do negócio e como uma ferramenta insubstituível no apoio à tomada de decisão. A divulgação das ferramentas de Data Mining (DM) tem vindo a aumentar na área do BI, assim como o reconhecimento da relevância da sua utilização nos sistemas de BI emp resariais. As ferramentas de BI são ferramentas amigáveis, ite rativas e interativas, permitindo aos utilizadores finais um acesso fácil. Desta forma, é possível ao utilizador final manipular diretamente os dados, tendo assim a possibilidade d e extrair todo o valor para o negócio neles contido. Um dos problemas apontados na utilização d o DM na área do BI prende-se com o facto de os modelos de DM serem...

Recomendações personalizadas de alunos em sistemas de hipermédia adaptativa educacional usando Data Mining

Matos, Clarisse Celeste Cravo
Fonte: Instituto Politécnico do Porto. Instituto Superior de Engenharia do Porto. Publicador: Instituto Politécnico do Porto. Instituto Superior de Engenharia do Porto.
Tipo: Dissertação de Mestrado
Publicado em //2013 POR
Relevância na Pesquisa
66.19%
O aumento de tecnologias disponíveis na Web favoreceu o aparecimento de diversas formas de informação, recursos e serviços. Este aumento aliado à constante necessidade de formação e evolução das pessoas, quer a nível pessoal como profissional, incentivou o desenvolvimento área de sistemas de hipermédia adaptativa educacional - SHAE. Estes sistemas têm a capacidade de adaptar o ensino consoante o modelo do aluno, características pessoais, necessidades, entre outros aspetos. Os SHAE permitiram introduzir mudanças relativamente à forma de ensino, passando do ensino tradicional que se restringia apenas ao uso de livros escolares até à utilização de ferramentas informáticas que através do acesso à internet disponibilizam material didático, privilegiando o ensino individualizado. Os SHAE geram grande volume de dados, informação contida no modelo do aluno e todos os dados relativos ao processo de aprendizagem de cada aluno. Facilmente estes dados são ignorados e não se procede a uma análise cuidada que permita melhorar o conhecimento do comportamento dos alunos durante o processo de ensino, alterando a forma de aprendizagem de acordo com o aluno e favorecendo a melhoria dos resultados obtidos. O objetivo deste trabalho foi selecionar e aplicar algumas técnicas de Data Mining a um SHAE...

A methodology for dynamic data mining based on fuzzy clustering

Weber, Richard; Crespo, Fernando
Fonte: ELSEVIER SCIENCE BV Publicador: ELSEVIER SCIENCE BV
Tipo: Artículo de revista
EN
Relevância na Pesquisa
66.16%
Dynamic data mining is increasingly attracting attention from the respective research community. On the other hand, users of installed data mining systems are also interested in the related techniques and will be even more since most of these installations will need to be updated in the future. For each data mining technique used, we need different methodologies for dynamic data mining. In this paper, we present a methodology for dynamic data mining based on fuzzy clustering. Using the implementation of the proposed system we show its benefits in two application areas: customer segmentation and traffic management.