MATE-KDD: Una herramienta genérica para el descubrimiento de reglas de clasificación medianamente acoplada al SGBD POSTGRESQL

Castro Rodríguez, Claudia Milena Y Cabrera Cabrera, Mari Aleyda (2007) MATE-KDD: Una herramienta genérica para el descubrimiento de reglas de clasificación medianamente acoplada al SGBD POSTGRESQL. Project Report. Universidad de Nariño, Pasto.

Text 70974.pdf Download (2MB)

Resumen

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.

Tipo de Elemento:	Monografía (Project Report)
Información Adicional:	Director del proyecto. Ricardo Timaran Pereira
Palabras Clave:	sistema gestor de bases de datos, descubrimiento de conocimiento en bases de datos, tarea de clasificación, funciones definidas por el usuario FDU.
Asunto:	T Tecnología > T Technology (General) T Tecnología > TA Engineering (General). Civil engineering (General)
Division:	Facultad de Ingeniería > Programa de Ingeniería de Sistemas > Trabajos de grado
Depósito de Usuario:	Monitor Biblioteca Dos
Fecha Deposito:	18 Mar 2024 20:43
Ultima Modificación:	18 Mar 2024 20:43
URI:	http://sired.udenar.edu.co/id/eprint/12920

Ver Elemento