Use este identificador para citar ou linkar para este item: https://repositorio.ufu.br/handle/123456789/27001
Tipo do documento: Trabalho de Conclusão de Curso
Tipo de acesso: Acesso Aberto
Título: Um estudo comparativo entre algoritmos de classificação para fluxos contínuos de dados
Autor(es): Julia, Etienne da Silva
Primeiro orientador: Paiva, Elaine Ribeiro de Faria
Primeiro membro da banca: Lima, Maria Adriana Vidigal de
Segundo membro da banca: Sanches Miani, Rodrigo
Resumo: A proposta desse projeto de pesquisa é a realização de um estudo analítico e comparativo entre alguns algoritmos de classificação que já existem em fluxos contínuos de dados (do inglês “data streams”), com o objetivo de julgar e determinar as vantagens e desvantagens de cada um deles para bases de dados reais e artificiais. A comparação foi realizado por meio da ferramenta MOA (Massive Online Analysis), que é, atualmente, o software open source mais utilizado para mineração de fluxos contínuos de dados. Os resultados dos experimentos indicaram que a incorporação de medidas para tratar as especificidades associadas à tarefa de classificação em Fluxos Contínuos de Dados melhora significativamente o desempenho de um classificador, tal como corroborado pelos resultados obtidos pelo algoritmo Very Fast Decision Tree.
Palavras-chave: Mineração de dados
Classificação
Algoritmo
Fluxo contínuo de dados
Comparação
Área(s) do CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
País: Brasil
Editora: Universidade Federal de Uberlândia
Referência: JULIA, Etienne da Silva. Um estudo comparativo entre algoritmos de classificação para fluxos contínuos de dados. 2018. 72 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2019.
URI: https://repositorio.ufu.br/handle/123456789/27001
Data de defesa: 12-Jul-2018
Aparece nas coleções:TCC - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
EstudoComparativoAlgoritmos.pdf25.8 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons