Um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/
Abstract:Due to remarkable technological developments experienced in recent decades, the growing amount of information produced, coupled with the ease of access to such information, has created new opportunities and challenges in the field of knowledge discovery and data mining. However, factors suc...
Na minha lista:
| Principais autores: | , , |
|---|---|
| Formato: | Dissertação |
| Publicado em: |
|
| Assuntos: | |
| Endereço do item: | https://app.bczm.ufrn.br/home/#/item/163079 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| id |
oai:localhost:123456789-104612 |
|---|---|
| record_format |
dspace |
| spelling |
oai:localhost:123456789-1046122022-11-30T17:10:39Z Um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/ Medeiros, Claudio José França de. Costa, José Alfredo Ferreira. Universidade Federal do Rio Grande do Norte. Bases de dados - Dissertação. Redução da dimensionalidade - Dissertação. Projeções - Métodos - Dissertação. Visualização de dados - Dissertação. Métodos não visualizados - Dissertação. Sistemas inteligentes - Dissertação. Redes neurais - Dissertação. Databases. Dimensionality reduction. Projection methods. Data visualization. Methods not shown. Intelligent systems. Neural networs. Abstract:Due to remarkable technological developments experienced in recent decades, the growing amount of information produced, coupled with the ease of access to such information, has created new opportunities and challenges in the field of knowledge discovery and data mining. However, factors such as size of databases, high dimensionality, scheduling issues and the need for discovery of patterns hidden in masses of data adds difficulty to the complex task of data analysis. Besides the large quantity, the information in the real world usually presents high dimensionality. The feasibility of high-dimensional data exploration depends on special techniques known as methods of dimensionality reduction. Given the great diversity of existing methods, it is interesting to have the resources for comparing them in order to know its merits and demerits in certain types of applications. This work is based on the use of quality indexes for quantitative comparisons between unsupervised dimensionality reduction methods. The indexes aim to quantify the degree of topology preservation in the projections generated by each method. Tests focused on two-dimensional projections of data sets, intending to visualize its structure, a typical task of the exploratory analysis step, in data mining processes.#$&Resumo:Devido às marcantes evoluções tecnológicas experimentadas nas últimas décadas, a crescente quantidade de informação produzida, aliada à facilidade de acesso a essa informação, tem criado novas oportunidades e desafios na área de descoberta do conhecimento e mineração de dados. Porém, fatores como tamanho das bases de dados, alta dimensionalidade, questões de escalonamento e a necessidade de descoberta dos padrões escondidos nas massas de dados acrescentam dificuldades à complexa tarefa de análise de dados. Além da grande quantidade, as informações existentes no mundo real possuem geralmente alta dimensionalidade. A viabilidade da exploração de dados de alta dimensão depende de técnicas especiais conhecidas como métodos de redução de dimensionalidade. Diante da grande diversidade de métodos existente, é interessante dispormos de meios de compará-los para conhecer seus méritos e deméritos em determinados tipos de aplicação. Este trabalho está baseado na utilização de índices de qualidade para comparações quantitativas entre métodos não supervisionados de redução de dimensionalidade. Os índices visam quantificar o grau de preservação topológica das projeções geradas por cada um dos métodos. Testes enfocaram projeções bidimensionais de conjuntos de dados, com objetivo de visualizar a sua estrutura, uma tarefa típica da fase de análise exploratória, em processos de mineração de dados. 1 2022-10-06T01:04:59Z 2022-10-06T01:04:59Z 2010. Dissertação 004.65 M488e DISSERT 163079 https://app.bczm.ufrn.br/home/#/item/163079 https://app.bczm.ufrn.br/home/#/item/163079 |
| institution |
Acervo SISBI |
| collection |
SIGAA |
| topic |
Bases de dados - Dissertação. Redução da dimensionalidade - Dissertação. Projeções - Métodos - Dissertação. Visualização de dados - Dissertação. Métodos não visualizados - Dissertação. Sistemas inteligentes - Dissertação. Redes neurais - Dissertação. Databases. Dimensionality reduction. Projection methods. Data visualization. Methods not shown. Intelligent systems. Neural networs. |
| spellingShingle |
Bases de dados - Dissertação. Redução da dimensionalidade - Dissertação. Projeções - Métodos - Dissertação. Visualização de dados - Dissertação. Métodos não visualizados - Dissertação. Sistemas inteligentes - Dissertação. Redes neurais - Dissertação. Databases. Dimensionality reduction. Projection methods. Data visualization. Methods not shown. Intelligent systems. Neural networs. Medeiros, Claudio José França de. Costa, José Alfredo Ferreira. Universidade Federal do Rio Grande do Norte. Um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/ |
| description |
Abstract:Due to remarkable technological developments experienced in recent decades, the growing amount of information produced, coupled with the ease of access to such information, has created new opportunities and challenges in the field of knowledge discovery and data mining. However, factors such as size of databases, high dimensionality, scheduling issues and the need for discovery of patterns hidden in masses of data adds difficulty to the complex task of data analysis. Besides the large quantity, the information in the real world usually presents high dimensionality. The feasibility of high-dimensional data exploration depends on special techniques known as methods of dimensionality reduction. Given the great diversity of existing methods, it is interesting to have the resources for comparing them in order to know its merits and demerits in certain types of applications. This work is based on the use of quality indexes for quantitative comparisons between unsupervised dimensionality reduction methods. The indexes aim to quantify the degree of topology preservation in the projections generated by each method. Tests focused on two-dimensional projections of data sets, intending to visualize its structure, a typical task of the exploratory analysis step, in data mining processes.#$&Resumo:Devido às marcantes evoluções tecnológicas experimentadas nas últimas décadas, a crescente quantidade de informação produzida, aliada à facilidade de acesso a essa informação, tem criado novas oportunidades e desafios na área de descoberta do conhecimento e mineração de dados. Porém, fatores como tamanho das bases de dados, alta dimensionalidade, questões de escalonamento e a necessidade de descoberta dos padrões escondidos nas massas de dados acrescentam dificuldades à complexa tarefa de análise de dados. Além da grande quantidade, as informações existentes no mundo real possuem geralmente alta dimensionalidade. A viabilidade da exploração de dados de alta dimensão depende de técnicas especiais conhecidas como métodos de redução de dimensionalidade. Diante da grande diversidade de métodos existente, é interessante dispormos de meios de compará-los para conhecer seus méritos e deméritos em determinados tipos de aplicação. Este trabalho está baseado na utilização de índices de qualidade para comparações quantitativas entre métodos não supervisionados de redução de dimensionalidade. Os índices visam quantificar o grau de preservação topológica das projeções geradas por cada um dos métodos. Testes enfocaram projeções bidimensionais de conjuntos de dados, com objetivo de visualizar a sua estrutura, uma tarefa típica da fase de análise exploratória, em processos de mineração de dados. |
| format |
Dissertação |
| author |
Medeiros, Claudio José França de. Costa, José Alfredo Ferreira. Universidade Federal do Rio Grande do Norte. |
| author_facet |
Medeiros, Claudio José França de. Costa, José Alfredo Ferreira. Universidade Federal do Rio Grande do Norte. |
| author_sort |
Medeiros, Claudio José França de. |
| title |
Um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/ |
| title_short |
Um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/ |
| title_full |
Um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/ |
| title_fullStr |
Um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/ |
| title_full_unstemmed |
Um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/ |
| title_sort |
um estudo comparativo de métodos não supervisionados de redução de dimensionalidade aplicados à visualização de dados/ |
| publishDate |
2022 |
| url |
https://app.bczm.ufrn.br/home/#/item/163079 |
| work_keys_str_mv |
AT medeirosclaudiojosefrancade umestudocomparativodemetodosnaosupervisionadosdereducaodedimensionalidadeaplicadosavisualizacaodedados AT costajosealfredoferreira umestudocomparativodemetodosnaosupervisionadosdereducaodedimensionalidadeaplicadosavisualizacaodedados AT universidadefederaldoriograndedonorte umestudocomparativodemetodosnaosupervisionadosdereducaodedimensionalidadeaplicadosavisualizacaodedados |
| _version_ |
1766815306027630592 |