Please use this identifier to cite or link to this item: http://hdl.handle.net/1822/10825

Full metadata record
DC FieldValueLanguage
dc.contributor.authorCruz, Armando-
dc.contributor.authorCortez, Paulo-
dc.date.accessioned2010-08-25T10:42:42Z-
dc.date.available2010-08-25T10:42:42Z-
dc.date.issued2009-12-
dc.identifier.citation“Tékhne : Revista de Estudos Politécnicos”. 12 (Dec. 2009) ISSN 1654-9911. 99-118.por
dc.identifier.issn1654-9911-
dc.identifier.urihttp://hdl.handle.net/1822/10825-
dc.description.abstractEste artigo pretende esclarecer quais as vantagens de dois modelos não lineares de Data Mining: as Redes Neuronais Artificiais (RNA) e as Máquinas de Vectores de Suporte (MVS). Em particular, pretende-se medir o desempenho destas técnicas quando aplicadas a tarefas de classificação e regressão, comparando-as com outras técnicas (i.e. Árvores de Decisão/Regressão). Assim, fez-se uma análise de ferramentas de software que implementam os modelos referidos, tendo-se escolhido duas aplicações de utilização livre (i.e. o ambiente R e o Weka) para conduzir as experiências efectuadas. Foram utilizados diversos problemas do mundo real, sendo que os resultados obtidos revelam que as MVS obtêm em geral melhores previsões, sendo seguidas pelas RNA.por
dc.description.sponsorshipEste trabalho foi suportado pelo projecto FCT PTDC/EIA/64541/2006.por
dc.language.isoporpor
dc.rightsopenAccesspor
dc.subjectDescoberta de conhecimento em bases de dadospor
dc.subjectData miningpor
dc.subjectRedes neuronais artificiaispor
dc.subjectMáquinas de vectores de suportepor
dc.subjectClassificaçãopor
dc.subjectRegressãopor
dc.titleData mining via redes neuronais artificiais e máquinas de vectores de suportepor
dc.typearticlepor
dc.peerreviewedyespor
Appears in Collections:CAlg - Artigos em revistas nacionais/Papers in national journals
DSI - Engenharia da Programação e dos Sistemas Informáticos

Files in This Item:
File Description SizeFormat 
n12a07.pdf291,7 kBAdobe PDFView/Open

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID