ISBN-13: 9786130161057 / Portugalski / Miękka / 2015 / 124 str.
A mineracao de padroes sequenciais em dados de sensores ambientais e uma tarefa desafiadora: os dados podem apresentar ruidos e, tambem, conter padroes esparsos que sao dificeis de serem detectados. O conhecimento extraido de dados de sensores ambientais pode ser usado para determinar mudancas climaticas, por exemplo. Desta forma, o algoritmo Incremental Miner of Stretchy Time Sequences with Post-Processing (IncMSTS-PP) foi proposto. O IncMSTS-PP aplica a extracao incremental de sequencias com pos-processamento baseado em ontologia o que acarreta o enriquecimento semantico desses padroes. IncMSTS-PP implementa o metodo Stretchy Time Window (STW) que permite que padroes de tempo elastico (padroes com intervalos temporais) sejam extraidos em bases que apresentam ruidos. Em comparacao com o algoritmo GSP, o IncMSTS-PP pode retornar 2,3 vezes mais sequencias. O modulo de pos-processamento e responsavel pela reducao em 22,47% do numero de padroes apresentados ao usuario -padroes semanticamente mais ricos. Assim, o IncMSTS-PP apresentou bons resultados de desempenho e minerou padroes relevantes mostrando ser eficaz, eficiente e apropriado em dominio de dados de sensores ambientais."
A mineração de padrões sequenciais em dados de sensores ambientais é uma tarefa desafiadora: os dados podem apresentar ruídos e, também, conter padrões esparsos que são difíceis de serem detectados. O conhecimento extraído de dados de sensores ambientais pode ser usado para determinar mudanças climáticas, por exemplo. Desta forma, o algoritmo Incremental Miner of Stretchy Time Sequences with Post-Processing (IncMSTS-PP) foi proposto. O IncMSTS-PP aplica a extração incremental de sequencias com pós-processamento baseado em ontologia o que acarreta o enriquecimento semântico desses padrões. IncMSTS-PP implementa o método Stretchy Time Window (STW) que permite que padrões de tempo elástico (padrões com intervalos temporais) sejam extraídos em bases que apresentam ruídos. Em comparação com o algoritmo GSP, o IncMSTS-PP pode retornar 2,3 vezes mais sequencias. O módulo de pós-processamento é responsável pela redução em 22,47% do número de padrões apresentados ao usuário -padrões semanticamente mais ricos. Assim, o IncMSTS-PP apresentou bons resultados de desempenho e minerou padrões relevantes mostrando ser eficaz, eficiente e apropriado em domínio de dados de sensores ambientais.