Mineração de dados usando algoritmos genéticos

Detalhes bibliográficos
Ano de defesa: 2000
Autor(a) principal: Hasse, Mozart
Orientador(a): Ramirez Pozo, Aurora Trinidad, 1959-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Algorítmos genéticos
Ciência da Computação
Link de acesso: https://hdl.handle.net/1884/24726
Resumo: Orientadora: Aurora T. R. Pozo
id UFPR_6e12a66844072beca3022dafc564628b
oai_identifier_str oai:acervodigital.ufpr.br:1884/24726
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaRamirez Pozo, Aurora Trinidad, 1959-Hasse, Mozart2024-10-21T20:22:11Z2024-10-21T20:22:11Z2000https://hdl.handle.net/1884/24726Orientadora: Aurora T. R. PozoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em InformáticaResumo: Este trabalho implementa uma ferramenta para Mineração de Dados. A ferramenta consiste em um classificador que utiliza Algoritmos Genéticos para a indução de regras. Este paradigma foi escolhido devido à grande capacidade dos algoritmos genéticos em lidar com dados inválidos ou imprecisos e a facilidade de adaptá-lo a diferentes aplicações, seja pela configuração de parâmetros ou pela implementação ou modificação de operadores. O algoritmo genético usa a abordagem de Michigan. Nesta abordagem, o algoritmo busca por uma população inteira de regras, que são posteriormente filtradas e organizadas para formar o classificador. A implementação atual consegue tratar conjuntos de dados com atributos contínuos ou discretos, independente do domínio. Diferentes aspectos desta ferramenta são discutidos ao longo deste trabalho. Entre eles destacam-se o uso de compartilhamento de recursos no espaço fenotípico com baixo custo computacional, a separação por classes durante a busca de regras, e o uso de um teste de significância na montagem do classificador. A ferramenta permite a configuração de diversos parâmetros, que podem inclusive ser modificados durante a execução. A busca de regras pode ser parada em qualquer estágio, sendo também possível dedicar mais processamento a classes mais difíceis de classificar de acordo com o desejo do usuário. A eficiência da ferramenta é comparada com 33 outros algoritmos classificadores em 32 bases de teste, usando os mesmos dados e metodologia. A precisão na classificação, medida pelo percentual de erro, não é significativamente diferente (ao nível de 10%) da precisão do melhor dos outros 33 classificadores. Os resultados obtidos até agora mostram que a ferramenta é robusta e genérica, e está pronta para uso em aplicações reais de mineração de dados. Futuras implementações pretendem adicionar novos operadores e características a fim de tornar os resultados ainda melhores.76 f. ; 30 cm.application/pdfDisponível em formato digitalAlgorítmos genéticosCiência da ComputaçãoMineração de dados usando algoritmos genéticosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALD - HASSE, MOZART.pdfapplication/pdf2733284https://acervodigital.ufpr.br/bitstream/1884/24726/1/D%20-%20HASSE%2c%20MOZART.pdfdf90d6a9a14619d4c872d40e8a975500MD51open accessTEXTD - HASSE, MOZART.pdf.txtExtracted Texttext/plain118049https://acervodigital.ufpr.br/bitstream/1884/24726/2/D%20-%20HASSE%2c%20MOZART.pdf.txte0e55f24414c1eb87d31a4925c025b83MD52open accessTHUMBNAILD - HASSE, MOZART.pdf.jpgGenerated Thumbnailimage/jpeg1205https://acervodigital.ufpr.br/bitstream/1884/24726/3/D%20-%20HASSE%2c%20MOZART.pdf.jpg6bb953efe089084fb71a4d0c07e39f11MD53open access1884/247262024-10-21 17:22:12.094open accessoai:acervodigital.ufpr.br:1884/24726Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082024-10-21T20:22:12Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Mineração de dados usando algoritmos genéticos
title Mineração de dados usando algoritmos genéticos
spellingShingle Mineração de dados usando algoritmos genéticos
Hasse, Mozart
Algorítmos genéticos
Ciência da Computação
title_short Mineração de dados usando algoritmos genéticos
title_full Mineração de dados usando algoritmos genéticos
title_fullStr Mineração de dados usando algoritmos genéticos
title_full_unstemmed Mineração de dados usando algoritmos genéticos
title_sort Mineração de dados usando algoritmos genéticos
author Hasse, Mozart
author_facet Hasse, Mozart
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.advisor1.fl_str_mv Ramirez Pozo, Aurora Trinidad, 1959-
dc.contributor.author.fl_str_mv Hasse, Mozart
contributor_str_mv Ramirez Pozo, Aurora Trinidad, 1959-
dc.subject.por.fl_str_mv Algorítmos genéticos
Ciência da Computação
topic Algorítmos genéticos
Ciência da Computação
description Orientadora: Aurora T. R. Pozo
publishDate 2000
dc.date.issued.fl_str_mv 2000
dc.date.accessioned.fl_str_mv 2024-10-21T20:22:11Z
dc.date.available.fl_str_mv 2024-10-21T20:22:11Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/24726
url https://hdl.handle.net/1884/24726
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 76 f. ; 30 cm.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/24726/1/D%20-%20HASSE%2c%20MOZART.pdf
https://acervodigital.ufpr.br/bitstream/1884/24726/2/D%20-%20HASSE%2c%20MOZART.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/24726/3/D%20-%20HASSE%2c%20MOZART.pdf.jpg
bitstream.checksum.fl_str_mv df90d6a9a14619d4c872d40e8a975500
e0e55f24414c1eb87d31a4925c025b83
6bb953efe089084fb71a4d0c07e39f11
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526093478690816

Registros relacionados