Coclustering extensions in numerical datasets and association rules extraction

Orientadores: Fernando José Von Zuben, Marcelo Falsarella CarazzolleDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: Coclusterização é uma técnica de modelagem local de dados capaz de superar a clusterização convencional em tarefas de análise de dados, tendo como objetivo explicitar coerências internas em bases de dados multidimensionais, por meio de múltiplas clusterizações simultâneas. A primeira proposta da literatura de algoritmos enumerativos eficientes para bases de dados contendo informações numéricas mais genéricas, não necessariamente binárias, é de autoria do grupo de pesquisa em que se insere este projeto, na forma de uma família de algoritmos denominada RIn-Close. Visando explorar mais amplamente o potencial de aplicação da coclusterização para bases de dados numéricas, este projeto contribuiu propondo: (1) Concepção e implementação de uma interface gráfica para o RIn-Close (e extensível a qualquer outra técnica de coclusterização), de apoio ao usuário para o auxílio na visualização, interpretação e seleção (usando métricas de validação intra-coclusters) de múltiplos coclusters; (2) Construção de regras de associação de classes a partir de coclusters em bases de dados numéricas rotuladas, permitindo ao usuário selecionar e interpretar essas regras usando métricas específicas voltadas para regras de associação de classes. Cabe enfatizar que regras de associação para bases de dados binárias já se encontravam bem difundidas e vinculadas a soluções de alto desempenho, mas não havia, até então, contribuições relevantes na área de regras de associação de classes para o caso de bases de dados numéricas mais gerais vinculadas à coclusterizaçãoAbstract: Coclustering is a local data modeling method capable of overcoming the conventional clustering technique in data analysis tasks. The goal is to highlight consistencies inside a multidimensional database, using multiple and simultaneous clustering. The first attempt in the literature toward an efficient enumerative algorithms for more generic numerical datasets, not necessarily binary, comes from the research group in which this work has been developed, being denoted as the RIn-Close family of algorithms. In order to increase the potential of coclustering in numerical datasets, this project contributed proposing: (1) Conception and implementation of a graphical user interface for the RIn-Close (and extensible to any other coclustering technique) to aid in the visualization, interpretation and selection (using intra-cocluster validation metrics) of multiple coclusters; (2) Creation of class association rules using coclusters mined from numerical datasets, allowing the user to select and interpret these rules using specific metrics. Association rules are well described in the literature devoted to binary datasets and generally yield high performance solutions. On the other hand, there is no major contribution for class association rules in the literature regarding generic numerical datasets related to coclusteringMestradoAutomaçãoMestre em Engenharia ElétricaCAPE