Método Scan flexível para detecção em árvores hierárquicas

Página do item simplificado
dc.creatorMarcos de Oliveira Prates
dc.date.accessioned2019-08-11T00:12:58Z
dc.date.accessioned2025-09-09T01:05:40Z
dc.date.available2019-08-11T00:12:58Z
dc.date.issued2008-06-16
dc.identifier.urihttps://hdl.handle.net/1843/RFFO-7UEP9Z
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectEstatística
dc.subject.otherÁrvores
dc.subject.otherScan
dc.subject.otherMétodo
dc.titleMétodo Scan flexível para detecção em árvores hierárquicas
dc.typeDissertação de mestrado
local.contributor.advisor-co1Marcelo Azevedo Costa
local.contributor.advisor1Renato Martins Assuncao
local.contributor.referee1Fábio Prates Machado
local.contributor.referee1Sabino Jose Ferreira Neto
local.description.resumoEsse trabalho apresenta um deficiente algoritmo de varredura para bancos de dados hierárquicos que podem ser representados na forma de árvores. O algoritmo procura através dos galhos da árvore e é capaz de agregar folhas em diferentes galhos. A varredura procura por um cluster candidato através da estatística Minimum Description Length (MDL). A estatística de teste combina o logaritmo da razão de verossimilhança e a quantidade de informação necessária para representar internamente o cluster. Esse segundo termo controla os graus de liberdade do algoritmo de busca. Fazendo isso, a metodologia previne o acréscimo de folhas que desnecessariamente aumentem o termo do logaritmo da razão de verosimilhança. Resultados mostram que a metodologia MDL é um algoritmo flexível capaz de detectar clusters em bancos de dados hierárquicos nos quais os elementos do cluster estão distribuídos pela árvore. Dessa forma, o algoritmo explora grupos de cluster que não são explícitos simplesmente olhando para cortes nos galhos ou em analises combinatórias dos dados fornecidos.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
dissertacao_pedro_corrigido.pdf
Tamanho:
1.2 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Pós-Graduação em Estatística - Dissertações

Logo UFMG