Incorporação de técnicas de detecção de agrupamentos de dados em SGBD relacionais

• Processo: 07/02497-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2007
• Data de Término da vigência: 31 de dezembro de 2008
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Maria Camila Nardini Barioni
• Beneficiário: Gabriel de Souza Fedel
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Bases de dados Mineração de dados Agrupamento de dados Sistemas de gerenciamento de base de dados
• Palavra(s)-Chave do Pesquisador: Detecção de Agrupamentos | Linguagens de Consulta | Métodos de Indexação Métricos | Mineração de Dados | Base de Dados

Resumo

Nas últimas décadas, uma grande variedade de técnicas de mineração de dados foram desenvolvidas para atender aos objetivos de diversas aplicações de KDD (Knowledge Discovery in Databases). Inicialmente, o foco principal das pesquisas nessa área estava voltado para a definição de novas operações e o desenvolvimento de novos algoritmos de mineração. A maioria dos algoritmos tratavam a base de dados como sendo apenas um repositório a partir do qual os dados eram extraídos para serem inseridos em estruturas em memória antes de serem enviados aos processos de análise específicos de cada algoritmo de mineração de dados. Esse fato limitava a quantidade de dados que podiam ser manipulados eficientemente por esses algoritmos. Com o objetivo de tornar o processo de KDD uma ferramenta para aplicações reais que armazenam seus dados em sistemas de gerenciamento de bases de dados (SGBD) relacionais, vários pesquisadores começaram a considerar uma mudança de estratégia, abordando questões relacionadas à integração das técnicas de mineração de dados com SGBD relacionais. É nesse contexto que reside este projeto de iniciação científica, que tem como objetivo permitir a especificação de consultas sobre o resultado de processos de detecção de agrupamentos de dados, considerando inicialmente os algoritmos baseados no método k-medoid.