Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: Alexandre Bittencourt Faria
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Instituto Tecnológico de Aeronáutica
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Inteligência artificial
Árvores de decisão
Sistemas de computadores embarcados
Mineração de dados
Transporte urbano
Computação
Link de acesso: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1957
Resumo: O presente trabalho tem como objetivo extrair conhecimento de um banco de dados que contém as mensagens de alerta geradas pelos computadores embarcados instalados nos veículos de uma grande frota usada no transporte coletivo urbano na cidade de São Paulo. Para tal foi aplicada a técnica de aprendizado de árvores de decisão. Nos experimentos foram usados os algoritmos CART, ID3 e C4.5 implementados nos softwares MATLAB R2007b, Sipina Research e WEKA 3.7.1. A base de dados usada contém cerca de 25 mil mensagens de alerta coletadas durante cerca de 2 meses de operação dos veículos que compõe o sistema de transporte público urbano. Os seguintes 4 atributos de entrada foram investigados: Área (Leste, Noroeste, Norte), Sentido (Centro-Bairro, Bairro-Centro), Período (Madrugada, Manhã, Tarde e Noite) e Dia Útil (Sim ou Não). Como atributo de saída foi usado as variavel ALERTA cujos os possíveis valores são: Catraca, Elétrica, Mecânica, Pneu, Terceiro e Veículo). As diferentes implementações de algoritmos investigadas geraram árvores de decisão similares contendo de 4 a 28 regras do tipo "SE-ENTÃO" com acurácia de 80% e precisão de 40% aproximadamente.
id ITA_661498f914a784547ab51952e7563f8b
oai_identifier_str oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:1957
network_acronym_str ITA
network_name_str Biblioteca Digital de Teses e Dissertações do ITA
spelling Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisãoInteligência artificialÁrvores de decisãoSistemas de computadores embarcadosMineração de dadosTransporte urbanoComputaçãoO presente trabalho tem como objetivo extrair conhecimento de um banco de dados que contém as mensagens de alerta geradas pelos computadores embarcados instalados nos veículos de uma grande frota usada no transporte coletivo urbano na cidade de São Paulo. Para tal foi aplicada a técnica de aprendizado de árvores de decisão. Nos experimentos foram usados os algoritmos CART, ID3 e C4.5 implementados nos softwares MATLAB R2007b, Sipina Research e WEKA 3.7.1. A base de dados usada contém cerca de 25 mil mensagens de alerta coletadas durante cerca de 2 meses de operação dos veículos que compõe o sistema de transporte público urbano. Os seguintes 4 atributos de entrada foram investigados: Área (Leste, Noroeste, Norte), Sentido (Centro-Bairro, Bairro-Centro), Período (Madrugada, Manhã, Tarde e Noite) e Dia Útil (Sim ou Não). Como atributo de saída foi usado as variavel ALERTA cujos os possíveis valores são: Catraca, Elétrica, Mecânica, Pneu, Terceiro e Veículo). As diferentes implementações de algoritmos investigadas geraram árvores de decisão similares contendo de 4 a 28 regras do tipo "SE-ENTÃO" com acurácia de 80% e precisão de 40% aproximadamente.Instituto Tecnológico de AeronáuticaCairo Lúcio Nascimento JúniorAlexandre Bittencourt Faria2011-12-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1957reponame:Biblioteca Digital de Teses e Dissertações do ITAinstname:Instituto Tecnológico de Aeronáuticainstacron:ITAporinfo:eu-repo/semantics/openAccessapplication/pdf2019-02-02T14:03:45Zoai:agregador.ibict.br.BDTD_ITA:oai:ita.br:1957http://oai.bdtd.ibict.br/requestopendoar:null2020-05-28 19:37:46.824Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáuticatrue
dc.title.none.fl_str_mv Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão
title Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão
spellingShingle Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão
Alexandre Bittencourt Faria
Inteligência artificial
Árvores de decisão
Sistemas de computadores embarcados
Mineração de dados
Transporte urbano
Computação
title_short Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão
title_full Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão
title_fullStr Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão
title_full_unstemmed Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão
title_sort Extração do conhecimento contido em ocorrências no transporte coletivo urbano usando árvores de decisão
author Alexandre Bittencourt Faria
author_facet Alexandre Bittencourt Faria
author_role author
dc.contributor.none.fl_str_mv Cairo Lúcio Nascimento Júnior
dc.contributor.author.fl_str_mv Alexandre Bittencourt Faria
dc.subject.por.fl_str_mv Inteligência artificial
Árvores de decisão
Sistemas de computadores embarcados
Mineração de dados
Transporte urbano
Computação
topic Inteligência artificial
Árvores de decisão
Sistemas de computadores embarcados
Mineração de dados
Transporte urbano
Computação
dc.description.none.fl_txt_mv O presente trabalho tem como objetivo extrair conhecimento de um banco de dados que contém as mensagens de alerta geradas pelos computadores embarcados instalados nos veículos de uma grande frota usada no transporte coletivo urbano na cidade de São Paulo. Para tal foi aplicada a técnica de aprendizado de árvores de decisão. Nos experimentos foram usados os algoritmos CART, ID3 e C4.5 implementados nos softwares MATLAB R2007b, Sipina Research e WEKA 3.7.1. A base de dados usada contém cerca de 25 mil mensagens de alerta coletadas durante cerca de 2 meses de operação dos veículos que compõe o sistema de transporte público urbano. Os seguintes 4 atributos de entrada foram investigados: Área (Leste, Noroeste, Norte), Sentido (Centro-Bairro, Bairro-Centro), Período (Madrugada, Manhã, Tarde e Noite) e Dia Útil (Sim ou Não). Como atributo de saída foi usado as variavel ALERTA cujos os possíveis valores são: Catraca, Elétrica, Mecânica, Pneu, Terceiro e Veículo). As diferentes implementações de algoritmos investigadas geraram árvores de decisão similares contendo de 4 a 28 regras do tipo "SE-ENTÃO" com acurácia de 80% e precisão de 40% aproximadamente.
description O presente trabalho tem como objetivo extrair conhecimento de um banco de dados que contém as mensagens de alerta geradas pelos computadores embarcados instalados nos veículos de uma grande frota usada no transporte coletivo urbano na cidade de São Paulo. Para tal foi aplicada a técnica de aprendizado de árvores de decisão. Nos experimentos foram usados os algoritmos CART, ID3 e C4.5 implementados nos softwares MATLAB R2007b, Sipina Research e WEKA 3.7.1. A base de dados usada contém cerca de 25 mil mensagens de alerta coletadas durante cerca de 2 meses de operação dos veículos que compõe o sistema de transporte público urbano. Os seguintes 4 atributos de entrada foram investigados: Área (Leste, Noroeste, Norte), Sentido (Centro-Bairro, Bairro-Centro), Período (Madrugada, Manhã, Tarde e Noite) e Dia Útil (Sim ou Não). Como atributo de saída foi usado as variavel ALERTA cujos os possíveis valores são: Catraca, Elétrica, Mecânica, Pneu, Terceiro e Veículo). As diferentes implementações de algoritmos investigadas geraram árvores de decisão similares contendo de 4 a 28 regras do tipo "SE-ENTÃO" com acurácia de 80% e precisão de 40% aproximadamente.
publishDate 2011
dc.date.none.fl_str_mv 2011-12-08
dc.type.driver.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1957
url http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1957
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Tecnológico de Aeronáutica
publisher.none.fl_str_mv Instituto Tecnológico de Aeronáutica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do ITA
instname:Instituto Tecnológico de Aeronáutica
instacron:ITA
reponame_str Biblioteca Digital de Teses e Dissertações do ITA
collection Biblioteca Digital de Teses e Dissertações do ITA
instname_str Instituto Tecnológico de Aeronáutica
instacron_str ITA
institution ITA
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáutica
repository.mail.fl_str_mv
subject_por_txtF_mv Inteligência artificial
Árvores de decisão
Sistemas de computadores embarcados
Mineração de dados
Transporte urbano
Computação
_version_ 1706804996901699584

Registros relacionados