Data Mining

O projeto A4 (Algoritmo de Análise de Agrupamentos Autobalanceado), que teve início oficial na segunda semana de março, começa agora a entrar na sua segunda fase.

A primeira fase foi a de captação de recursos humanos dispostos a contribuir com o projeto. Atualmente o grupo conta com dois colaboradores: Juliana Kirchhof e Luciano Pelegrini Lopes, ambos formandos do curso de Sistemas de Informação da ULBRA Santa Maria.

A segunda etapa consiste no entendimento dos conceitos básicos ligados ao tema, como: técnicas disponíveis, algoritmos existentes, tipos de mineração de dados (confirmatória e exploratória), etc.. Esse passo está sendo concluído através da leitura de artigos científicos que possuam ênfase em conceitos.

Finalizada a fase dois, passaremos para a verificação prática dos algoritmos estudados, através da leitura de artigos técnicos que, geralmente, possuem maior ênfase na execução dos algoritmos e na análise dos resultados.

Cabe resaltar, que embora o grupo já esteja avançando na pesquisa, ele segue aberto a adesão de novos participantes.

Na próxima semana iniciaremos, oficialmente, no campus ULBRA em Santa Maria - RS o Projeto de Pesquisa “Algoritmos de Análise de Agrupamentos Autobalanceados”, ou simplesmente A4.

O Projeto foi registrado na Universidade sobre o número 672/2008 e será executado ao longo do ano de 2009 e, se os resultados obtidos forem satisfatórios, poderá ser renovado indefinidamente. Segue abaixo o resumo do projeto:

“Num mundo globalizado e competitivo como o atual, as empresas buscam aumentar a competitividade para prosseguir em seus negócios. Para isso, precisam promover inovações constantes, de forma a atender às mudanças exigidas pelo mercado.

As técnicas de Data Mining assumem grande importância para neste processo, uma vez que permitem encontrar novos nichos de mercados para os produtos. Dentre as diversas técnicas de Data Mining destaca-se a Análise de Agrupamento (Cluster Analysis) que, através de sucessivas iterações, forma grupos de acordo com uma determinada medida de similaridade.

O algoritmo de Análise de Agrupamentos mais conhecido e usado é o k-means, cuja funcionalidade simples permite um bom índice de acertos. Entretanto o algoritmo de k-means e seus descendentes possuem uma falha, executam o balanceamento (ajuste) dos agrupamentos apenas após a formação dos mesmos, o que faz com que nem sempre os grupos formados sejam os ideais.

Esse trabalho propõe a criação de um novo algoritmo de Análise de Agrupamentos, que faça o balanceamento dos grupos em tempo real, o que irá fazer com que o processo de mineração seja mais rápido e eficiente.“