Potencial de técnicas de mineração de dados para modelos de alerta da ferrugem do cafeeiro.

DI GIROLAMO NETO, C.; RODRIGUES, L. H. A.; THAMADA, T. T.; MEIRA, C. A. A.

Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/971782

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	DI GIROLAMO NETO, C.	pt_BR
dc.contributor.author	RODRIGUES, L. H. A.	pt_BR
dc.contributor.author	THAMADA, T. T.	pt_BR
dc.contributor.author	MEIRA, C. A. A.	pt_BR
dc.date.accessioned	2013-11-21T11:11:11Z	pt_BR
dc.date.available	2013-11-21T11:11:11Z	pt_BR
dc.date.created	2013-11-21	pt_BR
dc.date.issued	2013	pt_BR
dc.identifier.citation	In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 9., 2013, Cuiabá. Agroinformática: inovação para a sustentabilidade do agronegócio brasileiro: anais. Cuiabá: Universidade Federal de Mato Grosso, 2013.	pt_BR
dc.identifier.uri	http://www.alice.cnptia.embrapa.br/alice/handle/doc/971782	pt_BR
dc.description	Resumo. Este trabalho procurou avaliar o potencial de técnicas de mineração de dados no desenvolvimento de modelos de alerta da ferrugem do cafeeiro. Foram avaliadas quatro técnicas: Redes Neurais Artificiais, Árvores de Decisão, Support Vector Machines e Random Forest. A avaliação dos modelos gerados mostrou que as duas últimas técnicas geram modelos com maior taxa de acerto e melhores medidas de sensitividade e especificidade. As Redes Neurais Artificiais geraram modelos com alto valor de sensitividade, enquanto que as Árvores de Decisão obtiveram desempenho inferior quando comparadas às demais técnicas. O balanceamento de classes se mostrou um procedimento fundamental na melhora da taxa de acerto dos modelos.	pt_BR
dc.language.iso	por	pt_BR
dc.rights	openAccess	pt_BR
dc.subject	Mineração de dados	pt_BR
dc.subject	Modelos de alerta	pt_BR
dc.subject	Ferrugem do cafeeiro	pt_BR
dc.subject	Redes neurais	pt_BR
dc.subject	Árvore de decisão	pt_BR
dc.subject	Data mining	pt_BR
dc.subject	Decision tree	pt_BR
dc.subject	Random forest	pt_BR
dc.subject	Coffee rust	pt_BR
dc.title	Potencial de técnicas de mineração de dados para modelos de alerta da ferrugem do cafeeiro.	pt_BR
dc.type	Artigo em anais e proceedings	pt_BR
dc.date.updated	2020-01-22T11:11:11Z	pt_BR
dc.subject.nalthesaurus	Neural networks	pt_BR
dc.subject.nalthesaurus	support vector machines	pt_BR
dc.description.notes	SBIAgro 2013.	pt_BR
dc.format.extent2	Não paginado.	pt_BR
riaa.ainfo.id	971782	pt_BR
riaa.ainfo.lastupdate	2020-01-22 -02:00:00	pt_BR
dc.contributor.institution	CESARE DI GIROLAMO NETO, Colaborador CNPTIA; LUIZ HENRIQUE ANTUNES RODRIGUES, Feagri/Unicamp; THIAGO TOSHIYUKI THAMADA, Colaborador CNPTIA; CARLOS ALBERTO ALVES MEIRA, CNPTIA.	pt_BR
Aparece nas coleções:	Artigo em anais de congresso (CNPTIA)

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
117553.pdf		124,09 kB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas