Mineração de regras de associação sequenciais em séries temporais e visualização: aplicação em dados agrometeorológicos

• Ano de defesa: 2012
• Autor(a) principal: Cano, Marcos Daniel
• Orientador(a): Ribeiro, Marcela Xavier
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Carlos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação - PPGCC
• País: BR
• Palavras-chave em Português: Ciência da computação; Data mining (mineração de dados); Análise de séries temporais; Visualização de dados; Regras de associação sequenciais
• Palavras-chave em Inglês: Sequential association rules; Time series; Data visualization
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: https://repositorio.ufscar.br/handle/ufscar/564

Technological development brought improvements in the technology of climate sensors and Earth's surface image acquisition, gathering increasing amounts of data. Generally, when these data are submitted to mining algorithms, the output is the production of hundreds or even thousands of textual patterns, making the task of data analysis by the domain expert even harder. Hence, it is crucial, to support experts, the development of a tool that helps to identify and display patterns of interest. In this context, this research project at Master Science level aims to develop a technique for mining association rules in time series allowing agrometeorological data analysis over time.