Andere Kunden interessierten sich auch für
![SemanticPHC: Um sistema baseado em ontologias aplicada à saúde]( "SemanticPHC: Um sistema baseado em ontologias aplicada à saúde")
SemanticPHC: Um sistema baseado em ontologias aplicada à saúde29,99 €![Ontologias para representação da memória organizacional]( "Ontologias para representação da memória organizacional")
Ontologias para representação da memória organizacional58,99 €![Extração de contextos definitórios a partir de textos em português]( "Extração de contextos definitórios a partir de textos em português")
Extração de contextos definitórios a partir de textos em português23,99 €![Modelagem e Teste de uma Base de Conhecimento]( "Modelagem e Teste de uma Base de Conhecimento")
Modelagem e Teste de uma Base de Conhecimento32,99 €![Detecção de tumor cerebral usando processamento de imagem digital]( "Detecção de tumor cerebral usando processamento de imagem digital")
Detecção de tumor cerebral usando processamento de imagem digital40,99 €![Extração de regras de associação utilizando gráficos e técnicas de agrupamento]( "Extração de regras de associação utilizando gráficos e técnicas de agrupamento")
Extração de regras de associação utilizando gráficos e técnicas de agrupamento29,99 €![Análise de tweets e sua influência no seguro de vida]( "Análise de tweets e sua influência no seguro de vida")
Análise de tweets e sua influência no seguro de vida36,99 €
A mineração de padrões sequenciais em dados de sensores ambientais é uma tarefa desafiadora: os dados podem apresentar ruídos e, também, conter padrões esparsos que são difíceis de serem detectados. O conhecimento extraído de dados de sensores ambientais pode ser usado para determinar mudanças climáticas, por exemplo. Desta forma, o algoritmo Incremental Miner of Stretchy Time Sequences with Post-Processing (IncMSTS-PP) foi proposto. O IncMSTS-PP aplica a extração incremental de sequencias com pós-processamento baseado em ontologia o que acarreta o enriquecimento semântico desses padrões. IncMSTS-PP implementa o método Stretchy Time Window (STW) que permite que padrões de tempo elástico (padrões com intervalos temporais) sejam extraídos em bases que apresentam ruídos. Em comparação com o algoritmo GSP, o IncMSTS-PP pode retornar 2,3 vezes mais sequencias. O módulo de pós-processamento é responsável pela redução em 22,47% do número de padrões apresentados ao usuário -padrões semanticamente mais ricos. Assim, o IncMSTS-PP apresentou bons resultados de desempenho e minerou padrões relevantes mostrando ser eficaz, eficiente e apropriado em domínio de dados de sensores ambientais.