Classificação de dados híbridos através de algoritmos evolucionários

A mineração de dados tem se tornado uma aliada do tomador de decisão atual, tanto nas grandes quanto nas pequenas corporações: informações não triviais são identificadas de maneira a possibilitar correções e ajustes nas estratégias econômicas e administrativas. Aliando-se a este fato, vê-se um grande crescimento no uso de informações georreferenciadas, de maneira que a mineração de dados convencional já não é capaz de responder a todas às questões de uma corporação. A pesquisa bibliográfica realizada no contexto deste trabalho mostrou que ainda existem poucos métodos capazes de extrair conhecimento a partir de dados híbridos, principalmente quando se trata de dados convencionais (numéricos e textuais) e geográficos (pontos, linhas e polígonos). O objetivo principal deste trabalho consiste no desenvolvimento de novos algoritmos que sejam capazes de explorar todos os atributos, convencionais ou geográficos, de um banco de dados, visando extrair as informações relevantes. Os algoritmos evolucionários foram escolhidos como ponto de partida para a elaboração desses novos algoritmos, pelos seguintes motivos: (a) são flexíveis, uma vez que podem ser aplicados em diversos contextos; (b) são robustos, pois tendem a explorar satisfatoriamente o espaço de busca, encontrando soluções viáveis. Para se alcançar o objetivo proposto, foi elaborado um primeiro algoritmo de obtenção de regras de classificação (NGAE), baseado num Algoritmo Genético, que pode ser aplicado em bancos de dados compostos por dados numéricos. Posteriormente, foi elaborado outro algoritmo (DMGeo), baseado na Programação Genética, que visa obter regras de classificação de padrões que possuem atributos numéricos e atributos geográficos. Finalmente, o DMGeo foi estendido para uma versão multiobjetivo mais robusta e eficiente, chamada MDMGeo. Todos os algoritmos propostos foram comparados com outros algoritmos eficientes na tarefa de classificação de dados, utilizando bancos de dados benchmark além de bancos reais. Os experimentos realizados mostram que o resultado final obtido é um conjunto de ferramentas robusto e eficiente, em particular, quando aplicado sobre dados híbridos.Data mining has become an ally of the decision maker today, in both large and small corporations: nontrivial information is identified in order to allow corrections and adjustments in the economic and administrative actions. Moreover, we can see an increasing use of georeferenced information so that conventional data mining is not able to answer all the questions of a corporation. A survey of geographical data mining showed that there are few tools capable of extracting knowledge from georeferenced data, especially when it comes from a database storing conventional (numerical and textual) and geographical (points, lines and polygons) data. The main objective of this work is to develop new algorithms that are able to explore all the attributes, conventional and geographical, of a database in order to extract relevant information. The evolutionary algorithms were chosen as a starting point for the development of these new algorithms by the following reasons: (a) they are flexible, since they can be applied in different contexts, (b) they are robust, they tend to adequately explore the searching space, finding viable solutions. To achieve our objective the first algorithm described in the thesis obtains classification rules (NGAE) based on a genetic algorithm, which can be applied to databases storing numeric data. The second algorithm (DMGeo) is based on genetic programming, which aims to obtain classification rules for patterns that have numerical and spatial attributes. Finally, DMGeo has progressed to a multiobjective version, more robust and efficient, called MDMGeo. All proposed algorithms were compared with other efficient algorithms applied to classification problems, using benchmark datasets and real datasets. Experiments show that the final result is a set of robust and efficient tools, in particular, when applied to a database composed by hybrid attributes