O algoritmo de particionamento K-means na tarefa de clusterização da Shell Orion Data Mining Engine

Abstract

A busca de conhecimento em base de dados, de maneira eficaz e inteligente, pode ser realizada por meio do processo de descoberta de conhecimento em bases de dados, que reúne vários passos e tarefas, tendo-se como uma de suas etapas a de Data Mining, que é responsável por extrair o conhecimento da base. Mediante isso, o Grupo de Pesquisa em Inteligência Computacional Aplicada do Curso de Ciência da Computação da Unesc, tem como projeto o desenvolvimento de uma Shell de data mining, denominada Orion Data Mining Engine, que está sendo implementada em Java e possibilita a integração via JDBC a qualquer banco de dados. Na realização desta pesquisa desenvolveu-se o módulo correspondente a tarefa de clusterização que é responsável por gerar grupos de dados, chamados de clusters, que devem possuir alguma relação entre si. O método aplicado na tarefa foi o algoritmo de particionamento K-means, que consiste em encontrar elementos centrais em uma base de dados e associá-los a outros próximos a ele em um mesmo grupo. Nos testes realizados na tarefa de clusterização pelo algoritmo K-means, foi utilizada uma base de dados na área da saúde, referente a prevalência de asma e rinite em adolescentes escolares do município de Criciúma, gerando-se satisfatoriamente os grupos referentes aos fatores mais evidentes detectados nesta base.