Detecção de outliers espaciais: refinamento de similaridade e desempenho
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/127787 http://www.athena.biblioteca.unesp.br/exlibris/bd/cathedra/14-09-2015/000846509.pdf |
Resumo: | The progress and development of technologies used to collect spatial information resulted in an increase in the amount of spatial data stored in databases. This also caused many problems, common in large databases, such as data redundancy, incomplete data, unknown values and outliers. Aiming to obtain relevant information from spatial data, the application of algorithms for exploration of spatial data, especially spatial clusters of algorithms, has become a fairly common practice across the world scene. Moreover, many current algorithms ignore the presence of local outliers in spatial data, or just consider your location in relation to other data in base, which can cause inconsistent results and complicate the extraction of knowledge. Thus, in order to contribute to this, the work aims to develop a survey of information related to exploration of spatial data, detection of conventional and spatial outliers, as well as, present the main work in state of the art. Finally, we propose to provide a portable and configurable algorithms to the results of spatial clustering approach, which includes an improvement on an algorithm to detect spatial outliers, aimed at prospecting for information in the dataset |
id |
UNSP_36f08fbf98b692ec2002057c541a0b92 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/127787 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Detecção de outliers espaciais: refinamento de similaridade e desempenhoComputaçãoSistemas de informação geograficaSistemas de dados especiaisMineração de dados (Computação)Algoritmos de computadorThe progress and development of technologies used to collect spatial information resulted in an increase in the amount of spatial data stored in databases. This also caused many problems, common in large databases, such as data redundancy, incomplete data, unknown values and outliers. Aiming to obtain relevant information from spatial data, the application of algorithms for exploration of spatial data, especially spatial clusters of algorithms, has become a fairly common practice across the world scene. Moreover, many current algorithms ignore the presence of local outliers in spatial data, or just consider your location in relation to other data in base, which can cause inconsistent results and complicate the extraction of knowledge. Thus, in order to contribute to this, the work aims to develop a survey of information related to exploration of spatial data, detection of conventional and spatial outliers, as well as, present the main work in state of the art. Finally, we propose to provide a portable and configurable algorithms to the results of spatial clustering approach, which includes an improvement on an algorithm to detect spatial outliers, aimed at prospecting for information in the datasetO avanço e desenvolvimento de tecnologias utilizadas na coleta de informações georreferenciáveis proporcionou um aumento na quantidade de dados espaciais armazenados nas bases de dados. Isso também acarretou muitos problemas, comuns em grandes bases de dados, tais como: redundância de dados, dados incompletos, valores desconhecidos e outliers. Com o objetivo de obter informações relevantes dos dados espaciais, a aplicação de algoritmos de prospecção de dados espaciais, principalmente os algoritmos de agrupamentos espaciais, tornou-se uma prática bastante recorrente em todo cenário mundial. Por outro lado, muitos algoritmos atuais desconsideram a presença de outliers locais em dados espaciais, ou apenas consideram a sua localidade em relação aos demais dados da base, o que pode gerar resultados inconsistentes e dificultar a extração de conhecimento. Dessa forma, com o propósito de contribuir nesse sentido, o trabalho visa elaborar um levantamento de informações relacionadas a prospecção de dados espaciais, detecção de outliers convencionais e espaciais, assim como, apresentar os principais trabalhos no estado da arte. Por fim, propõe-se disponibilizar uma abordagem configurável e portável aos resultados dos algoritmos de agrupamento espaciais, na qual inclui-se uma melhoria em um algoritmo de detecção de outliers espaciais, que visa a prospecção de informações no conjunto de dadosUniversidade Estadual Paulista (Unesp)Valêncio, Carlos Roberto [UNESP]Universidade Estadual Paulista (Unesp)Kawabata, Thatiane [UNESP]2015-09-17T15:25:36Z2015-09-17T15:25:36Z2015-03-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis67 f. : il. color., gráfs., tabs.application/pdfKAWABATA, Thatiane. Detecção de outliers espaciais: refinamento de similaridade e desempenho. 2015. 67 f. Dissertação (mestrado) - Universidade Estadual Paulista Julio de Mesquita Filho, Instituto de Biociências, Letras e Ciências Exatas, 2015.http://hdl.handle.net/11449/127787000846509http://www.athena.biblioteca.unesp.br/exlibris/bd/cathedra/14-09-2015/000846509.pdf33004153073P2Alephreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporinfo:eu-repo/semantics/openAccess2024-01-13T06:37:11Zoai:repositorio.unesp.br:11449/127787Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-05-23T20:37:29.878782Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Detecção de outliers espaciais: refinamento de similaridade e desempenho |
title |
Detecção de outliers espaciais: refinamento de similaridade e desempenho |
spellingShingle |
Detecção de outliers espaciais: refinamento de similaridade e desempenho Kawabata, Thatiane [UNESP] Computação Sistemas de informação geografica Sistemas de dados especiais Mineração de dados (Computação) Algoritmos de computador |
title_short |
Detecção de outliers espaciais: refinamento de similaridade e desempenho |
title_full |
Detecção de outliers espaciais: refinamento de similaridade e desempenho |
title_fullStr |
Detecção de outliers espaciais: refinamento de similaridade e desempenho |
title_full_unstemmed |
Detecção de outliers espaciais: refinamento de similaridade e desempenho |
title_sort |
Detecção de outliers espaciais: refinamento de similaridade e desempenho |
author |
Kawabata, Thatiane [UNESP] |
author_facet |
Kawabata, Thatiane [UNESP] |
author_role |
author |
dc.contributor.none.fl_str_mv |
Valêncio, Carlos Roberto [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Kawabata, Thatiane [UNESP] |
dc.subject.por.fl_str_mv |
Computação Sistemas de informação geografica Sistemas de dados especiais Mineração de dados (Computação) Algoritmos de computador |
topic |
Computação Sistemas de informação geografica Sistemas de dados especiais Mineração de dados (Computação) Algoritmos de computador |
description |
The progress and development of technologies used to collect spatial information resulted in an increase in the amount of spatial data stored in databases. This also caused many problems, common in large databases, such as data redundancy, incomplete data, unknown values and outliers. Aiming to obtain relevant information from spatial data, the application of algorithms for exploration of spatial data, especially spatial clusters of algorithms, has become a fairly common practice across the world scene. Moreover, many current algorithms ignore the presence of local outliers in spatial data, or just consider your location in relation to other data in base, which can cause inconsistent results and complicate the extraction of knowledge. Thus, in order to contribute to this, the work aims to develop a survey of information related to exploration of spatial data, detection of conventional and spatial outliers, as well as, present the main work in state of the art. Finally, we propose to provide a portable and configurable algorithms to the results of spatial clustering approach, which includes an improvement on an algorithm to detect spatial outliers, aimed at prospecting for information in the dataset |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-09-17T15:25:36Z 2015-09-17T15:25:36Z 2015-03-06 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
KAWABATA, Thatiane. Detecção de outliers espaciais: refinamento de similaridade e desempenho. 2015. 67 f. Dissertação (mestrado) - Universidade Estadual Paulista Julio de Mesquita Filho, Instituto de Biociências, Letras e Ciências Exatas, 2015. http://hdl.handle.net/11449/127787 000846509 http://www.athena.biblioteca.unesp.br/exlibris/bd/cathedra/14-09-2015/000846509.pdf 33004153073P2 |
identifier_str_mv |
KAWABATA, Thatiane. Detecção de outliers espaciais: refinamento de similaridade e desempenho. 2015. 67 f. Dissertação (mestrado) - Universidade Estadual Paulista Julio de Mesquita Filho, Instituto de Biociências, Letras e Ciências Exatas, 2015. 000846509 33004153073P2 |
url |
http://hdl.handle.net/11449/127787 http://www.athena.biblioteca.unesp.br/exlibris/bd/cathedra/14-09-2015/000846509.pdf |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
67 f. : il. color., gráfs., tabs. application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
Aleph reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1803045684328267776 |