SciELO - Scientific Electronic Library Online

 
vol.16 issue2Sparse and Non-Sparse Multiple Kernel Learning for RecognitionCombining Classifiers for Bioinformatics author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Computación y Sistemas

On-line version ISSN 2007-9737Print version ISSN 1405-5546

Abstract

MORALES VEGA, Daymi; MARTIN RODRIGUEZ, Diana; WILFORD RIVERA, Ingrid  and  ROSETE SUAREZ, Alejandro. Integración de modelos de agrupamiento y reglas de asociación obtenidos de múltiples fuentes de datos. Comp. y Sist. [online]. 2012, vol.16, n.2, pp.175-189. ISSN 2007-9737.

Una alternativa posible para descubrir conocimiento sobre bases de datos distribuidas, usando técnicas de Minería de Datos, es rehusar los modelos de minería de datos locales obtenidos en cada base de datos e integrarlos para obtener patrones globales. Este proceso debe realizarse sin acceder a los datos directamente. Este trabajo se centra en la propuesta de dos métodos para la integración de modelos de Minería de Datos: Modelos de Reglas de Asociación y Agrupamiento, específicamente para reglas de asociación obtenidas usando soporte y confianza como medidas de calidad y agrupamientos basados en centroides. Estos modelos fueron obtenidos al analizar múltiples conjuntos de datos homogéneos. El estudio experimental muestra que se obtuvieron modelos globales de calidad en un tiempo razonable cuando se aumentan la cantidad de patrones locales a integrar.

Keywords : Integración; modelos de minería de datos; reglas de asociación; agrupamiento; Patrones.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License