Show simple item record

dc.creatorLucca, Marcos Roberto de Brun
dc.date.accessioned2018-10-26T17:11:22Z
dc.date.available2018-10-26T17:11:22Z
dc.date.issued2017-09-28
dc.identifier.urihttp://repositorio.ufsm.br/handle/1/14694
dc.description.abstractCase-Based Reasoning (CBR) systems use past experiences, or cases, to make decisions about current problems. To retrieve these case base experiments, similarity techniques are employed on the search for past cases similar to the current query problem. In these systems, problems related to the relevance analysis of attributes that represent information recorded in cases can impact the performance of CBR case retrieval mechanisms. In this context, this dissertation uses clustering algorithms applied on cases to identify which are the most relevant attributes represented in CBR case retrieval, which can be exploited as indexes in the construction of similarity functions adjusted for the solution of application problems. In this process, different clustering algorithms and evaluation metrics of clustering cases are investigated in an indexing framework, allowing to identify which are the most relevant attributes. This dissertation also uses clusters formed in clustering to create subcase's bases to be used by CBR query engines. To evaluate the proposed approach, a study case involving a simulation system is explored. Results obtained in this study case demonstrate that the use of the framework proposed in this dissertation allows to improve the accuracy of CBR queries from 44.50% to 83.93%. Web case bases are also explored in the validation of the proposals presented in this dissertation.eng
dc.languageporpor
dc.publisherUniversidade Federal de Santa Mariapor
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectAgrupamento de dadospor
dc.subjectRaciocínio baseado em casospor
dc.subjectIndexação de casospor
dc.subjectIndexação de bases de casospor
dc.subjectClusteringeng
dc.subjectCase-based reasoningeng
dc.subjectCase indexingeng
dc.subjectCase base indexingeng
dc.titleIntegração de técnicas de raciocínio baseado em casos e agrupamento de dados na construção de sistemas inteligentespor
dc.title.alternativeIntegration of case-based reasoning techniques and clustering in the construction of intelligent systemseng
dc.typeDissertaçãopor
dc.description.resumoSistemas de Raciocínio Baseado em Casos (Case-Based Reasoning – CBR) utilizam experiências passadas, ou casos, para a tomada de decisão de problemas atuais. Para recuperar essas experiências de bases de casos, técnicas de similaridade são empregadas na busca de casos passados similares ao problema atual usado como consulta. Nestes sistemas, problemas relacionados a análise da relevância de atributos que representam informações gravadas em casos podem impactar na performance de mecanismos de recuperação de casos de CBR. Neste contexto, esta dissertação utiliza algoritmos de clustering aplicados sobre casos para permitir identificar quais são os atributos mais relevantes representados em casos para CBR, os quais podem ser explorados como índices na construção de funções de similaridade ajustadas para a solução de problemas de aplicação. Neste processo, diferentes algoritmos de clustering e métricas de avaliação de grupos de casos são explorados em um framework de indexação, permitindo identificar quais são os atributos mais relevantes. Esta dissertação também utiliza os grupos formados em clustering para a criação de sub-bases de casos a serem utilizadas pelos mecanismos de consultas CBR. Para avaliar a abordagem proposta, um estudo de caso envolvendo um sistema de simulação é explorado. Resultados obtidos neste estudo de caso demonstram que a utilização do framework proposto nesta dissertação permite melhorar a acurácia de consultas CBR realizadas de 44.50% para 83.93%. Bases de casos da Web também são exploradas na validação das propostas apresentadas nesta dissertação.por
dc.contributor.advisor1Silva, Luís Alvaro de Lima
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8066370508832550por
dc.contributor.referee1Winck, Ana Trindade
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5075974938483862por
dc.contributor.referee2Freitas, Edison Pignaton de
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2154028088891512por
dc.creator.Latteshttp://lattes.cnpq.br/9646325583782884por
dc.publisher.countryBrasilpor
dc.publisher.departmentCiência da Computaçãopor
dc.publisher.initialsUFSMpor
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computaçãopor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.publisher.unidadeCentro de Tecnologiapor


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 International
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 International

O Manancial - Repositório Digital da UFSM utiliza a versão 4.1 do software DSpace.
Av. Roraima, 1000. Cidade Universitária "Prof. José Mariano da Rocha Filho".
Bairro Camobi. CEP: 97.105-900. Santa Maria, RS, Brasil.