Descoberta automatizada de associações com o uso de algoritmo Apriori como técnica de mineração de dados

Página do item simplificado
dc.contributor.advisor1BRITO, Leonardo da Cunha
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6660680440182900por
dc.creatorALMEIDA, Derciley Cunha de
dc.creator.Latteshttp://lattes.cnpq.br/5388621760351258por
dc.date.accessioned2014-07-29T15:08:17Z
dc.date.available2011-11-03
dc.date.issued2011-02-25
dc.description.abstractNowadays, the use of modern information systems allows the storage and management of increasingly large amounts of data. On the other hand, the full analysis and the maximum extraction of useful information from this universe of available data present considerable challenges in view of inherent human limitations. This dissertation deals with the subject of data mining, which is the use of technology resources in order to extract information from databases in an automated way. One of the possibilities offered by data mining technologies is the automated search for possible associations within data. Information about such associations can be useful for understanding cause and effect relationships between the involved variables in data analysis for decision making. There are several data mining techniques and many of them can be used for discovering associations. The main goal of this work is to study a particular method for automated search of associations called Apriori , evaluating its capabilities and outcomes. The study focuses on the problem of improving the Apriori algorithm results, taking into consideration that the results of the data mining process might be improved if the data are prepared specifically for Apriori application. The conclusions are drawn from a case study in which the Apriori algorithm was applied to a database with information on drug distribution at a health institute. The results of two experiments are considered in order to evaluate the influence of data preprocessing on the Apriori algorithm's performance. It was found that the Apriori algorithm yields satisfactory results on the discovery of association in data; however, for best results, it is advisable that the data be prepared in advance, specifically for the Apriori application, otherwise many associations in the database might be left undiscovered.eng
dc.description.provenanceMade available in DSpace on 2014-07-29T15:08:17Z (GMT). No. of bitstreams: 1 Dissertacao Derciley Cunha de Almeida.pdf: 2389648 bytes, checksum: c4c207dc1855a4a0e99ee3eeed7c28b9 (MD5) Previous issue date: 2011-02-25eng
dc.description.resumoAtualmente é possível o armazenamento e o gerenciamento de grandes quantidades de dados, através de modernos sistemas informatizados. Por outro lado, a análise completa e a extração do máximo de informações desse universo de dados disponíveis passaram a ser um grande desafio, diante das limitações próprias de um ser humano. Essa dissertação aborda o tema mineração de dados, também muito conhecido pelo termo em inglês data mining. Trata-se da extração de informações de bases de dados de forma automatizada, com o uso de recursos tecnológicos. Uma das possibilidades que as tecnologias de data mining oferecem é a busca automatizada de possíveis associações existentes entre dados. As informações sobre associações entre dados podem ser muito úteis para se compreender possíveis relações de causa e efeito entre muitas variáveis envolvidas em estudos e análises de dados para tomada de decisões. Há várias técnicas de mineração de dados e muitas podem ser utilizadas para descoberta de associações. O principal objetivo deste trabalho é estudar mais especificamente o método de busca automatizada de associações conhecido como Apriori de forma a avaliar sua sistemática, capacidade e resultados. O estudo é direcionado por um problema que está relacionado à busca pelo aprimoramento dos resultados gerados pelo algoritmo Apriori sob a premissa de que uma preparação de dados específica e direcionada para o uso do algoritmo pode aprimorar os resultados do processo de mineração de dados. As conclusões são extraídas de um estudo de caso sobre a aplicação do algoritmo Apriori em uma base de dados com informações sobre fornecimento de medicamentos de uma unidade de saúde. São avaliados e comparados os resultados de três experimentos para se verificar a influência de uma preparação de dados no desempenho do algoritmo. Ficou evidenciado que o algoritmo Apriori alcança resultados satisfatórios na tarefa de busca por associações entre dados, no entanto, é recomendável uma preparação específica desses dados para que a aplicação do algoritmo alcance melhores resultados ou muitas associações existentes podem não ser encontradas.por
dc.formatapplication/pdfpor
dc.identifier.citationALMEIDA, Derciley Cunha de. Automatic discovery of associations by Apriori data mining technique. 2011. 174 f. Dissertação (Mestrado em Engenharia) - Universidade Federal de Goiás, Goiânia, 2011.por
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tde/966
dc.languageporpor
dc.publisherUniversidade Federal de Goiáspor
dc.publisher.countryBRpor
dc.publisher.departmentEngenhariapor
dc.publisher.initialsUFGpor
dc.publisher.programMestrado em Engenharia Elétrica e de Computaçãopor
dc.rightsAcesso Abertopor
dc.subject1. Mineração de dados; 2. Algoritmo Apriori; 3.Descoberta de associaçõespor
dc.subjectMineração de dadospor
dc.subjectDescoberta de associaçõespor
dc.subjectAprioripor
dc.subjectBanco de dadospor
dc.subjectWEKApor
dc.subjectData miningeng
dc.subjectAssociation discoveryeng
dc.subjectApriorieng
dc.subjectDatabaseseng
dc.subjectWEKAeng
dc.subject.cnpqCNPQ::ENGENHARIASpor
dc.thumbnail.urlhttp://repositorio.bc.ufg.br/TEDE/retrieve/3481/Dissertacao%20Derciley%20Cunha%20de%20Almeida.pdf.jpg*
dc.titleDescoberta automatizada de associações com o uso de algoritmo Apriori como técnica de mineração de dadospor
dc.title.alternativeAutomatic discovery of associations by Apriori data mining techniqueeng
dc.typeDissertaçãopor

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Dissertacao Derciley Cunha de Almeida.pdf
Tamanho:
2.28 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Mestrado em Engenharia Elétrica e da Computação (EMC)