Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams

Detalhes bibliográficos
Autor(a) principal: Cunha, Danilo Souza da
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do Mackenzie
Texto Completo: http://dspace.mackenzie.br/handle/10899/24492
Resumo: O crescente acúmulo de dados, das mais diversas origens, traz intrinsecamente a necessidade de desenvolvimento de novas e robustas ferramentas de análise. Dentre os muitos problemas de análise de dados da literatura, dois deles vêm recebendo especial atenção nos últimos anos, tanto no âmbito acadêmico quando no mercado: agrupamento multiobjetivo de dados; e a análise de fluxos de dados (data streams). Ao mesmo tempo, algoritmos inspirados no comportamento de sistemas biológicos vêm sendo aplicados com sucesso na solução de problemas complexos, como os anteriormente citados. É nesse contexto que propomos duas novas versões de algoritmos de inteligência de enxame para resolver esses problemas. Mais especificamente, um algoritmo inspirado no comportamento coletivo de abelhas é usado para resolver o problema de agrupamento multiobjetivo, enquanto uma ferramenta inspirada na tomada de decisão coletiva de bactérias é usada para minerar regras de associação em fluxos de dados. Os algoritmos são potencialmente aplicáveis aos problemas em questão e a contribuição principal dessa tese é a investigação da adaptação deles e posterior aplicação em problemas complexos de mineração de dados, já citados. Este documento traz a fundamentação teórica necessária ao desenvolvimento e compreensão da pesquisa, apresenta os modelos propostos e os resultados experimentais obtidos, a conclusão do desempenho atingido e uma reflexão sobre os próximos passos a serem dados.
id UPM_fdb8567621fd7a86a204d88294e6d4fe
oai_identifier_str oai:dspace.mackenzie.br:10899/24492
network_acronym_str UPM
network_name_str Biblioteca Digital de Teses e Dissertações do Mackenzie
repository_id_str 10277
spelling http://lattes.cnpq.br/2741458816539568Cunha, Danilo Souza daSilva, Leandro Nunes De Castrohttp://lattes.cnpq.br/69688075213876512019-09-26T13:35:48Z2020-05-28T18:08:56Z2020-05-28T18:08:56Z2019-02-19O crescente acúmulo de dados, das mais diversas origens, traz intrinsecamente a necessidade de desenvolvimento de novas e robustas ferramentas de análise. Dentre os muitos problemas de análise de dados da literatura, dois deles vêm recebendo especial atenção nos últimos anos, tanto no âmbito acadêmico quando no mercado: agrupamento multiobjetivo de dados; e a análise de fluxos de dados (data streams). Ao mesmo tempo, algoritmos inspirados no comportamento de sistemas biológicos vêm sendo aplicados com sucesso na solução de problemas complexos, como os anteriormente citados. É nesse contexto que propomos duas novas versões de algoritmos de inteligência de enxame para resolver esses problemas. Mais especificamente, um algoritmo inspirado no comportamento coletivo de abelhas é usado para resolver o problema de agrupamento multiobjetivo, enquanto uma ferramenta inspirada na tomada de decisão coletiva de bactérias é usada para minerar regras de associação em fluxos de dados. Os algoritmos são potencialmente aplicáveis aos problemas em questão e a contribuição principal dessa tese é a investigação da adaptação deles e posterior aplicação em problemas complexos de mineração de dados, já citados. Este documento traz a fundamentação teórica necessária ao desenvolvimento e compreensão da pesquisa, apresenta os modelos propostos e os resultados experimentais obtidos, a conclusão do desempenho atingido e uma reflexão sobre os próximos passos a serem dados.The increasing accumulation of data, from the most diverse sources, brings the need to develop new and robust data analysis tools. Among the many data analysis problems, two of them have been receiving special attention over the past years, both in academic and in business: multi-objective data clustering; and mining of data streams. At the same time, bio-inspired algorithms have been successfully applied in solving complex problems, such as those previously mentioned. It is in this context that this thesis proposes two new versions of swarm intelligence algorithms to solve these problems. More specifically, an algorithm inspired by the collective behavior of bees is used to tackle the multi-objective clustering problem, while a tool inspired by the collective decision-making of bacteria is used to mine association rules in data streams. The algorithms are potentially applicable to the cited current problems and the main thesis' contribution is the investigation of algorithms' adaptation and subsequent application to the already mentioned data mining complex problems. This document provides the theoretical basis necessary for the development and understanding of the research, introduces the algorithms, presents the results obtained, the conclusion of the performance achieved and brings a reflection of the future steps to be taken.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorConselho Nacional de Desenvolvimento Científico e TecnológicoFundação de Amparo a Pesquisa do Estado de São PauloFundo Mackenzie de Pesquisaapplication/pdfCUNHA, Danilo Souza da. Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams. 2019. 137 f. Tese (Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2019http://dspace.mackenzie.br/handle/10899/24492swarm intelligencebee coloniesbacteria coloniesmulti-objective clusteringdata streamsassociation rule miningporUniversidade Presbiteriana Mackenziehttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessinteligência de enxamecolônias de abelhascolônias de bactériasagrupamento multiobjetivoregras de associaçãofluxos de dadosCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOhttp://tede.mackenzie.br/jspui/retrieve/19696/DANILO%20SOUZA%20DA%20CUNHA.pdf.jpgInteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streamsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Biblioteca Digital de Teses e Dissertações do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIELopes, Fábio Silvahttp://lattes.cnpq.br/2302666201616083Oliveira, Pedro Paulo Balbi dehttp://lattes.cnpq.br/9556738277476279Pereira, André Luiz Vizinehttp://lattes.cnpq.br/5977522212667911Coelho, Guilherme PalarmeBrasilEscola de Engenharia Mackenzie (EE)UPMEngenharia ElétricaORIGINALDANILO SOUZA DA CUNHA.pdfDANILO SOUZA DA CUNHA.pdfapplication/pdf3276812https://dspace.mackenzie.br/bitstreams/b5e62a74-961f-43b4-b22e-d86f4c2d0ef4/downloadc87df7ba16e9280ded37bce12527a40eMD51TEXTDANILO SOUZA DA CUNHA.pdf.txtDANILO SOUZA DA CUNHA.pdf.txtExtracted texttext/plain295078https://dspace.mackenzie.br/bitstreams/9f4f48a9-5089-44d4-8bf0-5a398aaa081a/download6d0a337d59bc40e4ce04a152eb730d07MD52THUMBNAILDANILO SOUZA DA CUNHA.pdf.jpgDANILO SOUZA DA CUNHA.pdf.jpgGenerated Thumbnailimage/jpeg1267https://dspace.mackenzie.br/bitstreams/362287d9-aca6-4572-ae4b-561172dc4344/downloada6682557a38906f0de62987da2ddd216MD5310899/244922022-03-14 17:09:39.347http://creativecommons.org/licenses/by-nc-nd/4.0/Acesso Abertooai:dspace.mackenzie.br:10899/24492https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772022-03-14T17:09:39Biblioteca Digital de Teses e Dissertações do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)false
dc.title.por.fl_str_mv Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams
title Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams
spellingShingle Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams
Cunha, Danilo Souza da
inteligência de enxame
colônias de abelhas
colônias de bactérias
agrupamento multiobjetivo
regras de associação
fluxos de dados
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams
title_full Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams
title_fullStr Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams
title_full_unstemmed Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams
title_sort Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams
author Cunha, Danilo Souza da
author_facet Cunha, Danilo Souza da
author_role author
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/2741458816539568
dc.contributor.author.fl_str_mv Cunha, Danilo Souza da
dc.contributor.advisor1.fl_str_mv Silva, Leandro Nunes De Castro
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/6968807521387651
contributor_str_mv Silva, Leandro Nunes De Castro
dc.subject.por.fl_str_mv inteligência de enxame
colônias de abelhas
colônias de bactérias
agrupamento multiobjetivo
regras de associação
fluxos de dados
topic inteligência de enxame
colônias de abelhas
colônias de bactérias
agrupamento multiobjetivo
regras de associação
fluxos de dados
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description O crescente acúmulo de dados, das mais diversas origens, traz intrinsecamente a necessidade de desenvolvimento de novas e robustas ferramentas de análise. Dentre os muitos problemas de análise de dados da literatura, dois deles vêm recebendo especial atenção nos últimos anos, tanto no âmbito acadêmico quando no mercado: agrupamento multiobjetivo de dados; e a análise de fluxos de dados (data streams). Ao mesmo tempo, algoritmos inspirados no comportamento de sistemas biológicos vêm sendo aplicados com sucesso na solução de problemas complexos, como os anteriormente citados. É nesse contexto que propomos duas novas versões de algoritmos de inteligência de enxame para resolver esses problemas. Mais especificamente, um algoritmo inspirado no comportamento coletivo de abelhas é usado para resolver o problema de agrupamento multiobjetivo, enquanto uma ferramenta inspirada na tomada de decisão coletiva de bactérias é usada para minerar regras de associação em fluxos de dados. Os algoritmos são potencialmente aplicáveis aos problemas em questão e a contribuição principal dessa tese é a investigação da adaptação deles e posterior aplicação em problemas complexos de mineração de dados, já citados. Este documento traz a fundamentação teórica necessária ao desenvolvimento e compreensão da pesquisa, apresenta os modelos propostos e os resultados experimentais obtidos, a conclusão do desempenho atingido e uma reflexão sobre os próximos passos a serem dados.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-09-26T13:35:48Z
2020-05-28T18:08:56Z
dc.date.issued.fl_str_mv 2019-02-19
dc.date.available.fl_str_mv 2020-05-28T18:08:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CUNHA, Danilo Souza da. Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams. 2019. 137 f. Tese (Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2019
dc.identifier.uri.fl_str_mv http://dspace.mackenzie.br/handle/10899/24492
identifier_str_mv CUNHA, Danilo Souza da. Inteligência de enxame aplicada a problemas complexos de análise de dados : agrupamento multiobjetivo e mineração de regras de associação em Data Streams. 2019. 137 f. Tese (Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2019
url http://dspace.mackenzie.br/handle/10899/24492
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie
instname:Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron:MACKENZIE
instname_str Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron_str MACKENZIE
institution MACKENZIE
reponame_str Biblioteca Digital de Teses e Dissertações do Mackenzie
collection Biblioteca Digital de Teses e Dissertações do Mackenzie
bitstream.url.fl_str_mv https://dspace.mackenzie.br/bitstreams/b5e62a74-961f-43b4-b22e-d86f4c2d0ef4/download
https://dspace.mackenzie.br/bitstreams/9f4f48a9-5089-44d4-8bf0-5a398aaa081a/download
https://dspace.mackenzie.br/bitstreams/362287d9-aca6-4572-ae4b-561172dc4344/download
bitstream.checksum.fl_str_mv c87df7ba16e9280ded37bce12527a40e
6d0a337d59bc40e4ce04a152eb730d07
a6682557a38906f0de62987da2ddd216
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)
repository.mail.fl_str_mv repositorio@mackenzie.br||paola.damato@mackenzie.br
_version_ 1813819963081752576

Registros relacionados