dc.contributorAlves, Joao Bosco da Motta
dc.contributorUniversidade Federal de Santa Catarina
dc.creatorPaula, Maurício Braga de
dc.date2012-10-19T15:18:20Z
dc.date2012-10-19T15:18:20Z
dc.date2002
dc.date2002
dc.date.accessioned2017-04-03T19:45:12Z
dc.date.available2017-04-03T19:45:12Z
dc.identifier189971
dc.identifierhttp://repositorio.ufsc.br/xmlui/handle/123456789/82465
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/699614
dc.descriptionDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação.
dc.descriptionCom o considerável aumento da quantidade de informações disponíveis, as capacidades de aquisição automática de conhecimento têm se tornado muito importante. A capacidade de aprendizagem e de aplicação do conhecimento é uma das características da inteligência humana e uma das principais áreas de análise da Inteligência Artificial. As atividades humanas mais comuns exibem a aplicação do conhecimento adquirido pelo homem, podendo ser consideradas tarefas de classificação; termo no qual decorre da necessidade de uma tomada de decisão ou da realização de uma previsão com base em informações disponíveis. O Aprendizado de Máquina (AM), um dos nichos da Inteligência Artificial, é uma das eficazes maneiras de adquirir inteligência de qualquer sistema computacional. Este trabalho consiste na construção de um procedimento de indução automática de árvores de decisão simbólica a partir de amostras de dados com atributos não binários. O objetivo deste, é extrair informações de um conjunto de treinamento de instâncias possivelmente conhecidas do problema e subseqüentemente classificar novas instâncias em suas respectivas classes.
dc.formatii, 85 f.| il., tabs.
dc.languagepor
dc.publisherFlorianópolis, SC
dc.subjectInformatica
dc.subjectCiência da computação
dc.subjectInteligencia artificial
dc.subjectAprendizado do computador
dc.subjectArvores de decisao
dc.subjectReconhecimento de padrOes
dc.titleIndução automática de árvores de decisão
dc.typeTesis


Este ítem pertenece a la siguiente institución