Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/19905
Full metadata record
DC FieldValueLanguage
dc.creatorSilva, Lucimeire Alves da-
dc.date.accessioned2017-11-27T16:49:41Z-
dc.date.available2017-11-27T16:49:41Z-
dc.date.issued2017-09-01-
dc.identifier.citationSILVA, Lucimeire Alves da. Exploração das propriedades de hubness para detecção semissupervisionada de outliers em dados de alta dimensão - Uberlândia - 2015 à 2017. 2017. 88 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2017.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/19905-
dc.description.abstractWith the increase in the amount of data stored, the area of data mining has become essential for it to be possible to manipulate and extract knowledge from these data. Much of the work in this area focuses on finding patterns in the data, but non-standard data (anomalies) can also add much to the knowledge of the data set under study. The study, development and enhancement of outliers detection techniques are important objectives and have proven useful in several scenarios, such as: fraud detection, intrusion detection and monitoring of medical conditions, among others. The paper presented here describes a novel method for semi-supervised detection of outliers in high dimensional data. Experiments with several real datasets indicate the superiority of the proposed method in relation to the literature methods selected as the baseline.pt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectOutlierspt_BR
dc.subjectDetecção semissupervisionada de Outlierspt_BR
dc.subjectAnálise de dados em alta dimensãopt_BR
dc.subjectHubnesspt_BR
dc.subjectMineração de dadospt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectSemissupervisãopt_BR
dc.titleExploração das propriedades de hubness para detecção semissupervisionada de outliers em dados de alta dimensãopt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Barioni, Maria Camila Nardini-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3785426518998830pt_BR
dc.contributor.referee1Bueno, Renato-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/7189857417959804pt_BR
dc.contributor.referee2Travençolo, Bruno Augusto Nassif-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2590427557264952pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/4640457621080674pt_BR
dc.description.degreenameDissertação (Mestrado)pt_BR
dc.description.resumoCom o crescente aumento da quantidade de dados armazenados, a área de mineração de dados tornou-se imprescindível para que seja possível manipular e extrair conhecimento a partir desses dados. Grande parte dos trabalhos nessa área focam em encontrar padrão nos dados, porém os dados fora do padrão (anomalias) também podem agregar muito no conhecimento do conjunto de dados em estudo. O estudo, o desenvolvimento e o aprimoramento de técnicas de detecção de outliers são objetivos importantes e têm se mostrado útil em diversos cenários, como: detecção de fraudes, detecção de intrusão e monitoramento de condições médicas entre outros. O trabalho apresentado aqui descreve um novo método para detecção semissupervisionada de outliers em dados com alta dimensionalidade. Os experimentos realizados com diversos conjuntos de dados reais indicam a superioridade do método proposto em relação aos métodos da literatura selecionados como linha de base.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computaçãopt_BR
dc.sizeorduration88pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.identifier.doihttp://dx.doi.org/10.14393/ufu.di.2017.51pt_BR
dc.crossref.doibatchidpublicado no crossref antes da rotina xml-
Appears in Collections:DISSERTAÇÃO - Ciência da Computação

Files in This Item:
File Description SizeFormat 
ExploracaoPropriedadesHubness.pdfDissertação963.74 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.