MATE-KDD: Una herramienta genérica para el descubrimiento de reglas de clasificación medianamente acoplada al SGBD POSTGRESQL
Material type: TextPasto : Universidad de Nariño, 2007Description: 243 paginas : ilustraciones, cuadros, tablasSubject(s): DDC classification:- 005.74 C355ma
Item type | Current library | Collection | Call number | Copy number | Status | Date due | Barcode | |
---|---|---|---|---|---|---|---|---|
Tesis y Trabajos de Grado | Biblioteca Alberto Quijano Guerrero Tesis | Colección de Tesis o Trabajos de Grado | 005.74 / C355ma (Browse shelf(Opens below)) | Ej. 1 | Available (Acceso Disponible) | 70974 |
Formato digital e impreso
Tesis - Facultad de Ingeniería, Programa de Ingeniería en Sistemas
Incluye bibliografía p. 216-219
Las investigaciones en Descubrimiento de Conocimiento en Bases de Datos (DCBD), se centraron inicialmente en definir modelos de descubrimiento de patrones y desarrollar algoritmos para éstos, uno de estos modelos más conocidos es la “Clasificación” y dentro de esta la técnica más manejada es la de “Árboles de Decisión”. Investigaciones posteriores se han focalizado en el problema de integrar DCBD con sistemas de bases de datos, produciendo como resultado el desarrollo de sistemas y herramientas de Descubrimiento de Conocimiento cuyas arquitecturas se pueden clasificar en tres categorías: débilmente, medianamente y fuertemente acopladas con un Sistema de Gestión de Bases de Datos (SGBD). En este artículo se presenta el proceso de implementación de una herramienta para descubrir reglas de Clasificación medianamente acoplada al SGBD PostgreSQL por medio de funciones FDU y la evaluación de su rendimiento.
There are no comments on this title.