Defesa de Dissertação de Mestrado de Anderson Cristiano Kühl de Menezes – 08/10/2024, 15h, por videoconferência
Link para defesa: https://meet.google.
MVRA-GEO: Uma Proposta de Visualização de Regras de Associação Georreferenciadas
Resumo:
O rápido desenvolvimento das técnicas de localização tem proporcionado os meios para a geração e coleta crescente de conjuntos de dados georreferenciados massivos. Sistemas de Informação Geográfica (SIG) têm sido utilizados para processá-los e representá-los visualmente em mapas, na busca de um melhor entendimento das possíveis relações entre as áreas geográficas e as variáveis do domínio de aplicação representado. Sua proposta é reduzir o tempo de análise das informações, além de possibilitar o acesso a padrões espaciais que dificilmente seriam identificáveis somente com listagens ou gráficos simples. Sistemas mais modernos têm buscado o suporte de técnicas de mineração de dados, dentre as quais, a Mineração de Regras de Associação se mostra uma boa opção, por conta da sua relativa simplicidade e transparência. A sua combinação com Sistemas de Informação Geográfica pode suportar a elaboração de análises mais sofisticadas, melhorando a análise espacial e possibilitando a identificação de padrões de interesse e a extração de conhecimento útil. Neste trabalho, o objetivo é apresentar o MVRA-Geo, um método de visualização de regras de associação em dados georreferenciados. Para demonstrar como a análise de regras de associação que possuem atributos georreferenciados pode ser beneficiada, elaboramos três estudos de caso, onde o método é aplicado na elaboração de análises espaciais de dados de diferentes domínios de aplicação, em diferentes perspectivas, escalas e níveis de detalhes. A representação de medidas de interesse de regras de associação nas geovisualizações, particularmente o $lift$, possibilita melhorar o entendimento de como determinadas subdivisões geográficas podem influenciar nas chances de ocorrência de determinados eventos. O método proposto ainda favorece a identificação de padrões espaciais de associação, inclusive de aglomerações, anomalias e de subespaços geográficos. A raridade de iniciativas semelhantes na literatura, corrobora o potencial de contribuição deste trabalho.
Abstract:
The rapid development of localization techniques has provided the means for generating and increasingly collecting massive georeferenced data sets. Geographic Information Systems (GIS) have been used to process and represent them visually on maps in the search for a better understanding of the possible relationships between geographic areas and the variables of the represented application domain. GIS proposes to reduce information analysis time and enable access to spatial patterns that would be difficult to identify with simple lists or graphs alone. More modern systems have sought the support of data mining, among which Association Rule Mining (ARM) is a good option due to its relative simplicity and transparency. Its combination with Geographic Information Systems can support the development of more sophisticated analyses, improve spatial analysis, and enable the identification of patterns of interest and extraction of valuable knowledge. This work aims to present MVAR-Geo, a method for visualizing association rules in georeferenced data. To demonstrate how we can benefit from the analysis of association rules with georeferenced attributes, we developed three case studies where we apply the method in elaborating spatial analyses of data from different application domains in different perspectives, scales, and levels of detail. The representation of measures of interest from association rules in geographic visualizations, particularly $lift$, makes it possible to improve the understanding of how specific geographic subdivisions can influence the chances of occurrence of certain events. The proposed method also favors identifying spatial patterns of association, including agglomerations, anomalies, and geographic subspaces. The rarity of similar initiatives in the literature corroborates the potential contribution of this work.
Banca examinadora:
Prof. Antonio Augusto de Aragão Rocha, UFF – Presidente
Prof. Alexandre Plastino de Carvalho, UFF
Prof. Marcos de Oliveira Lage Ferreira, UFF
Prof. Verônica Feder Mayer, UFF
Prof. Nivan Roberto Ferreira Júnior, UFPE