Soluções Aproximadas Para Algoritmos Escaláveis De Mineração De Dados Em Domínios De Dados Complexos

• Processo: 10/14536-1
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de março de 2011
• Data de Término da vigência: 30 de setembro de 2011
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Elaine Parros Machado de Sousa
• Beneficiário: Alexander Victor Ocsa Mamani
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Dados complexos Agrupamento de dados Banco de dados Mineração de dados
• Palavra(s)-Chave do Pesquisador: Agrupamento de Dados | Busca por similaridade aproximada | dados complexos | Descoberta de motifs | Mineração de Dados | Banco de Dados

Resumo

A crescente disponibilidade de dados em diferentes domínios tem motivado o desenvolvimento de técnicas para descoberta de conhecimento em grandes volumes de dados complexos. Trabalhos recentes mostram que a busca em dados complexos é um campo de pesquisa importante, já que muitas tarefas de mineração de dados, como classificação, detecção de agrupamentos e descoberta de motifs, dependem de algoritmos de busca ao vizinho mais próximo. Abordagens determinísticas para resolver esse problema vêm sendo estudadas há vários anos, enquanto algoritmos probabilísticos têm sido pouco explorados. Técnicas recentes relaxam a precisão dos resultados a fim de reduzir o custo computacional da busca. Nesse sentido, a abordagem Locality Sensitive Hashing (LSH), baseada em projeções em subespaços randômicos, apresenta um bom compromisso entre custo da consulta e qualidade de resultados para dados em alta dimensionalidade. Logo, os métodos baseados em busca aproximada do vizinho mais próximo são uma solução viável para melhorar o desempenho de tarefas de mineração de dados complexos. No entanto, implementações atuais do LSH ou incorrem em alto custo de memória ou abandonam o custo sublinear para assegurar qualidade nos resultados. Neste contexto, este projeto de pesquisa tem como objetivos: (i) estudar e desenvolver soluções para os problemas inerentes às implementações atuais do LSH; (ii) melhorar o desempenho de tarefas de mineração de dados complexos apoiando-se nas técnicas propostas para busca aproximada ao vizinho mais próximo. Em particular, espera-se desenvolver soluções escaláveis para a detecção de agrupamentos e busca de motifs, inicialmente aplicadas a imagens e séries temporais da área de agrometeorologia.

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

MAMANI, Alexander Victor Ocsa. Soluções aproximadas para algoritmos escaláveis de mineração de dados em domínios de dados complexos usando GPGPU. 2011. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.