Mapas auto organizáveis na descoberta e validação de padrões em bases de dados

• Autor(a) principal: Ferreira, André Luis
• Data de Publicação: 2012
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/16755
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Banco de dados; Mineração de dados (Computação); Redes neurais (Computação); Data bases; Data mining; Neural networks (Computer science)

O Mapa Auto Organizável de Kohonen (SOM) é um excelente e poderoso algoritmo para mineração de dados baseado em Redes Neurais Artificiais (RNA). Através do SOM é possível fazer a análise e o processamento de bases de dados de grande dimensão, e então obter os agrupamentos dos dados presentes nestas bases de dados, de forma que os itens de cada grupo compartilham propriedades semelhantes em comum. A partir dos agrupamentos formados pelo SOM, é possível então realizar uma análise focada dos agrupamentos resultantes. Em alguns casos, entretanto, o SOM pode trazer agrupamentos de dados não classificáveis ou entendíveis para o contexto, uma vez que ele agrupa os dados baseado em todas as diversas características deles. Para que os resultados dos agrupamentos sejam válidos e tragam informações úteis, é importante que os dados sejam pré- processados para se adequarem ao algoritmo, e posteriormente, que a classificação realizada pelo SOM seja validada a fim de se obter a precisão com que o SOM classificou os dados. Com a padronização dos dados e a posterior validação dos agrupamentos é então possível verificar a confiabilidade do algoritmo. A partir dos dados resultantes de todos estes processos é possível então extrair estes dados em uma forma humanamente entendível, trazendo informações que anteriormente não seriam compreensíveis ou previsíveis nos dados brutos, favorecendo desta forma a interpretação dos resultados.