Use este identificador para citar ou linkar para este item:
https://repositorio.ifgoiano.edu.br/handle/prefix/1003
Tipo: | Trabalho de Conclusão de Curso |
Título: | ANÁLISE DE SÉRIES NUMÉRICAS UTILIZANDO APRENDIZADO NÃO SUPERVISIONADO |
Título(s) alternativo(s): | Analysis of Numerical Series Using Unsupervised Learning |
Autor(es): | Cabral, Mário Douglas Alves Cabral |
Primeiro Orientador: | Bailão, Adriano Soares de Oliveira |
Primeiro Membro da Banca: | Ramos, Fábio Montanha |
Segundo Membro da Banca: | Oliveira, Douglas Cedrim Oliveira |
Resumo: | Análise de série numéricas é uma tarefa que traz uma grande demanda de tempo e custo e, portanto, torna-se necessário ferramentas que agilizem e diminuam o custo dessas análises. O respectivo trabalho apresenta a concepção de um modelo de classificação para o conjunto de série numéricas, possibilitando-se assim a automatização de análise de série numérica, principalmente em séries que possuam grande quantidade de elementos, pois uma das fases do modelo culmina na compressão da série. Verificou-se que, o classificador possui baixo desempenho em séries numéricas, como possuem poucos elementos, porém constatou-se que o desempenho foi alto em série numérica, com muitos elementos. A partir desses resultados podemos concluir que, embora o desempenho do classificador seja baixa em séries pequenas, no contexto de várias áreas geram dados no formato de séries numéricas, o modelo de classificação traria grandes benefícios, como uma ferramenta de apoio de decisão, em variadas áreas. |
Abstract: | Numerical series analysis is a task that brings a great demand of time and cost and, therefore, it becomes necessary tools that speed up and reduce the cost of these analyzes. The respective work presents the design of a classification model for the set of numerical series, thus enabling the automation of numerical series analysis, especially in series that have a large number of elements, as one of the phases of the model culminates in the compression of series. It was found that the classifier has low performance in numerical series, as they have few elements, however it was found that the performance was high in numerical series, with many elements. From these results we can conclude that, although the classifier's performance is low in small series, in the context of several areas they generate data in the form of numerical series, the classification model would bring great benefits, as a decision support tool, in several areas. |
Palavras-chave: | Aprendizado de máquina Séries numéricas Classificador Modelo de classificação Machine learning Numerical series Classifier Classification model |
Área do CNPq: | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Idioma: | por |
Pais: | Brasil |
Editor: | Instituto Federal Goiano |
Sigla da Instituição: | IF Goiano |
Campus: | Campus Rio Verde |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.ifgoiano.edu.br/handle/prefix/1003 |
Data do documento: | 16-Dez-2019 |
Aparece nas coleções: | Bacharelado em Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
tcc_Mário Douglas Alves Cabral.pdf | 3,11 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.