Tese

Interpretação de clusters gerados por algoritmos de clustering hierárquico (2006)

• Authors:
  • Metz, Jean
  • Monard, Maria Carolina (Orientador)
• Autor USP: METZ, JEAN - ICMC
• Unidade: ICMC
• Assunto: MINERAÇÃO DE DADOS
• Language: Português
• Abstract: O processo de Mineração de Dados (MD) consiste na extraçô automática de padrões que representam o conhecimento implícito em grandes bases de dados. Em geral, a MD pode ser classificada em duas categorias: preditiva e descritiva. Tarefas da primeira categoria, tal como a classificação, realizam inferências preditivas sobre os dados enquanto que tarefas da segunda categoria, tal como o clustering, exploram o conjunto de dados em busca de propriedades que o descrevem. Diferentemente da classificaçô, que analisa exemplos rotulados, o clustering utiliza exemplos para os quais o rótulo da classe não é previamente conhecido. Nessa tarefa, agrupamentos sô formados de modo que exemplos de um mesmo cluster apresentam alta similaridade, ao passo que exemplos em clusters diferentes apresentam baixa similaridade. O clustering pode ainda facilitar a organização de clusters em uma hierarquia de agrupamentos, na qual são agrupados eventos similares, criando uma taxonomia que pode simplificar a interpretação de clusters. Neste trabalho, é proposto e desenvolvido um módulo de aprendizado não-supervisionado, que agrega algoritmos de clustering hierárquico e ferramentas de análise de clusters para auxiliar o especialista de domínio na interpretação dos resultados do clustering. Uma vez que o clustering hierárquico agrupa exemplos de acordo com medidas de similaridade e organiza os clusters em uma hierarquia, o usuário/especialista pode analisar e explorar essahierarquia de agrupamentos em diferentes níveis para descobrir conceitos descritos por essa estrutura. O módulo proposto está integrado em um sistema maior, em desenvolvimento no Laboratório de Inteligência Computacional ? LABIC ?, que contempla todas as etapas do processo de MD, desde o pré-processamento de dados ao pós-processamento de conhecimento. Para avaliar o módulo proposto e seu uso para descoberta de conceitos a ) partir da estrutura hierárquica de clusters, foram realizados diversos experimentos sobre conjuntos de dados naturais, assim como um estudo de caso utilizando um conjunto de dados real. Os resultados mostram a viabilidade da metodologia proposta para interpretação dos clusters, apesar da complexidade do processo ser dependente das características do conjunto de dados.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2006
• Data da defesa: 04.08.2006


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  METZ, Jean. Interpretação de clusters gerados por algoritmos de clustering hierárquico. 2006. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2006. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14092006-090701. Acesso em: 16 out. 2024.

• APA

  Metz, J. (2006). Interpretação de clusters gerados por algoritmos de clustering hierárquico (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14092006-090701

• NLM

  Metz J. Interpretação de clusters gerados por algoritmos de clustering hierárquico [Internet]. 2006 ;[citado 2024 out. 16 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14092006-090701

• Vancouver

  Metz J. Interpretação de clusters gerados por algoritmos de clustering hierárquico [Internet]. 2006 ;[citado 2024 out. 16 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14092006-090701

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Abordagens para aprendizado semissupervisionado multirrótulo e hierárquico