Busca avançada
Ano de início
Entree

Soluções aproximadas para algoritmos escaláveis de mineração de dados em domínios de dados complexos

Processo: 10/14536-1
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de março de 2011
Vigência (Término): 30 de setembro de 2011
Área do 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

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 São Carlos.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.