Aluno: Sidiney de Sousa Ara\u00fajo<\/p>\n
Disserta\u00e7\u00e3o de Mestrado<\/p>\n
Resumo:<\/strong> As te\u0301cnicas de agrupamento e classificac\u0327a\u0303o de dados sa\u0303o frequentemente utilizadas com a finalidade de extrair padro\u0303es e classificar novos elementos, respectivamente. A combinac\u0327a\u0303o de tais te\u0301cnicas pode ser aplicada em bases de dados em que na\u0303o se conhece o atributo classe, utilizando a interpretac\u0327a\u0303o dos grupos obtidos no processo de agrupamento dos dados para identificac\u0327a\u0303o de um padra\u0303o que auxilie o processo de classificac\u0327a\u0303o. Esta interpretac\u0327a\u0303o, apesar de depender do problema abordado, requerendo por vezes o auxi\u0301lio de um especialista, pode ser desempenhada por modelos de rotulac\u0327a\u0303o automa\u0301ticos. Esses modelos sa\u0303o capazes de identificar caracteri\u0301sticas relevantes dos grupos e utiliza\u0301-las na formac\u0327a\u0303o de ro\u0301tulos. Ale\u0301m da interpretac\u0327a\u0303o dos grupos a adic\u0327a\u0303o de outra te\u0301cnica para classificac\u0327a\u0303o pode demandar mais tempo de processamento. Baseado em modelos de rotulac\u0327a\u0303o automa\u0301ticos e lo\u0301gica Fuzzy, este trabalho propo\u0303e um modelo de classificac\u0327a\u0303o no qual os ro\u0301tulos dos grupos sa\u0303o utilizados para formac\u0327a\u0303o de regras e func\u0327o\u0303es de pertine\u0302ncia de um sistema Fuzzy. O modelo proposto foi avaliado comparando a acura\u0301cia, desvio padra\u0303o, i\u0301ndice Kappa e tempo de treinamento com de outros algoritmos de classificac\u0327a\u0303o. Ale\u0301m disso, foi analisado a quantidade de regras geradas. Para diferentes bases testadas disponi\u0301veis no reposito\u0301rio UCI, os resultados para o i\u0301ndice Kappa foram acima de 0,8, com acura\u0301cia e tempo de treinamento similares aos de algoritmos encontrados na literatura.<\/p>\n