Upload
internet
View
108
Download
1
Embed Size (px)
Citation preview
Data Mining:
A arte de minerar conhecimento
Roteiro• Visão do Problema
– Introdução 1– Motivação 2
• Desafios• Tecnologias:
– Algoritmos de otimização de mineração• Algoritmos de mineração de regras de associação• Algoritmos de reconhecimento de padrão
– Arquiteturas• DBMiner• Critikal• Snout• Fuzzy • Arquiteturas baseadas em agentes:
– BODHI– JAM– PADMA
Visão do problema
• ObjetivosCriar uma estrutura de mineração de dados em
um Data Warehouse Geográfico– Dividido em duas etapas:
1. Criar um sistema de mineração de dados em um Data warehouse normal
2. Estender a mineração para os dados geográficos
Visão do problema
Motivação:
Aumentar o poder de análise de dados em ambientes de tomada de decisão
Desafios
• Otimizar os sistema de mineração de dados em sistemas de tomada de decisão– Minimizar o esforço de processamento– Minimizar o tempo– Representar o conhecimento gerado pela
ferramenta
Tecnologias
• Algoritmos• Geração de regras de associação
– Mining association rules in Sets of Items – Agrawal et al– Multi-level association rule – Jiawei Han et al
• Reconhecimento padrão– GSP – Agrawal et al– PSP – Jian Pei et al– FP-Grow – Jiawei Han et al
• Classificação– São uma extensão dos algoritmos de reconhecimento de
padrão• Previsão
– São uma extensão do algoritmo de reconhecimento de padrão onde o processamento final seria o complemento do padrão ao qual se encaixa
Tecnologias
• Arquiteturas• DBMiner (falar um pouco mais)• Snout• CRITIKAL• Integrate Fuzzy OLAP
Tecnologias
• Considerações• Grande número de modelos• Aspectos a considerar:
– Comunicação entre os agentes– Geração do conhecimento
Tecnologias
• Arquiteturas Baseadas em agentes• BODHI• JAM• PADMA• Fuzzy Learning• Agent-Based OLAM in CRM