Árvores de Decisão Desequilibradas para deteção de erros em transações de comércio externo usando técnicas de data mining

Johny Emanuel de Jesus Gueirez

doi:10.34626/1r4x-va37

Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/74441

Full metadata record

DC Field	Value	Language
dc.creator	Johny Emanuel de Jesus Gueirez
dc.date.accessioned	2025-11-04T17:51:34Z	-
dc.date.available	2025-11-04T17:51:34Z	-
dc.date.issued	2014-07-14
dc.date.submitted	2014-08-06
dc.identifier.other	sigarra:31864
dc.identifier.uri	https://hdl.handle.net/10216/74441	-
dc.description	Hoje em dia é frequente existirem grandes quantidades de dados de onde são extraídos diferentes tipos de conhecimento, para posteriormente se tomarem diversas decisões. Um grande problema existente nesses dados é a existência de anomalias. A detecção dessas anomalias pode ser utilizada numa grande variedade de aplicações tais como, detecção de fraudes de cartões de crédito, detecção de intrusos em termos de segurança na internet, detecção de falhas em sistemas críticos, entre outras. Um exemplo de um desses problemas são as estatísticas do comércio externo publicadas pelo Instituto Nacional de Estatísticas. Assim, é importante que as anomalias criadas por erros nas declarações feitas pelas organizações ao Instituto Nacional de Estatítsticas, sejam detectadas para garantir que essas estatísticas são fiáveis. Para a detecção dessas anomalias serão estudadas e utilizadas variantes de árvores de decisão, que são algoritmos de datamining e machine learning. Embora as árvores de decisão não tenham sido originalmente desenvolvidas para a detecção de anomalias, foram propostas algumas adaptações com esse fim. Assim, este projecto tem dois objectivos: realizar um estudo empírico sobre o desempenho de variantes de árvores de decisão no problema de detecção de anomalias; e, com base nos resultados desse estudo, propor uma nova variante, implementá-la e testá-la.
dc.description.abstract	Nowadays there are frequently large amounts of data, which are used to extract different types of knowledge. A major problem existing in these data are the outliers. The detection of these outliers is important for a variety of applications, such as detecting credit card fraud, network intrusion, fault detection in critical systems, among others. In this project we intend to do a study about the detection of outliers and adopt a way to detect these values through the use of decision tree algorithms.
dc.language.iso	por
dc.rights	openAccess
dc.rights.uri	https://creativecommons.org/licenses/by-nc/4.0/
dc.subject	Engenharia electrotécnica, electrónica e informática
dc.subject	Electrical engineering, Electronic engineering, Information engineering
dc.title	Árvores de Decisão Desequilibradas para deteção de erros em transações de comércio externo usando técnicas de data mining
dc.type	Dissertação
dc.contributor.uporto	Faculdade de Engenharia
dc.identifier.doi	10.34626/1r4x-va37
dc.identifier.tid	201309092
dc.subject.fos	Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
dc.subject.fos	Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
thesis.degree.discipline	Mestrado Integrado em Engenharia Informática e Computação
thesis.degree.grantor	Faculdade de Engenharia
thesis.degree.grantor	Universidade do Porto
thesis.degree.level	1
Appears in Collections:	FEUP - Dissertação

Files in This Item:

File	Description	Size	Format
31864.pdf	Árvores de decisão desequilibradas para a deteção de erros em transações de comércio externo usando técnicas de data mining	788.26 kB	Adobe PDF	View/Open

Show simple item record Recommend this item Display Statistics

This item is licensed under a Creative Commons License