| Summary: | Submitted by repositorio repositorio (repositorio@unifei.edu.br) on 2018-08-13T19:15:25Z
No. of bitstreams: 1
tese_0035279.pdf: 1212294 bytes, checksum: b1453ec21d875d2265cb220adf1b9768 (MD5) === Made available in DSpace on 2018-08-13T19:15:25Z (GMT). No. of bitstreams: 1
tese_0035279.pdf: 1212294 bytes, checksum: b1453ec21d875d2265cb220adf1b9768 (MD5)
Previous issue date: 2009-12 === Os constantes avanços em tecnologia de informação possibilitam o armazenamento de grandes bases de dados históricas. O objetivo deste trabalho é apresentar uma metodologia que descubra um conjunto mínimo de atributos relevantes com a garantia da manutenção das características das informações. O desenvolvimento da tese está baseado nos trabalhos dos mais importantes pesquisadores da área de Teoria de Conjuntos Aproximados e Lógica Paraconsistente. Pretende-se desenvolver uma metodologia de avaliação da relevância de atributos de grandes bases de dados, onde o resultado é a seleção de um conjunto mínimo de atributos relevantes, que represente o conhecimento embutido na base de dados, através do uso da Teoria de Conjuntos Aproximados. A identificação e classificação das incompletudes dos dados é realizada através da aplicação da Lógica Paraconsistente. A metodologia proposta proporciona a descoberta de um conjunto reduzido de atributos relevantes com dados classificados, que permita uma extração de conhecimento rápida e confiável.
|
|---|
