Defesa de dissertação de Maxwell Oliveira, 20/8, 10h

postado em 8 de ago de 2012 12:08 por Nazareno Ferreira de Andrade
Candidato: Maxwell Guimarães de Oliveira
Título do trabalho: Uma abordagem para visualização e análise baseada em clustering de dados espaço-temporais
Orientador(es): Cláudio de Souza Baptista

Data: 20/08/2012
Horário: 10:00h
Local: Auditório do CEEI

Banca: Stanley Robson de Medeiros Oliveira (Embrapa Informática Agropecuária,http://buscatextual.cnpq.br/buscatextual/visualizacv.do?metodo=apresentar&id=K4707532A8), Ulrich Schiel (DSC/UFCG)

Resumo: Atualmente, há um volume considerável de dados espaço-temporais disponíveis em vários meios, sobretudo na Internet. A visualização de dados espaço-temporais é uma tarefa complexa, que requer uma série de recursos visuais apropriados para que, em conjunto, possam permitir aos usuários uma correta interpretação das informações analisadas. Além do emprego de técnicas de visualização, a utilização de algoritmos de mineração de dados tem se mostrado relevante no auxílio à análise exploratória de relacionamentos em dados espaço-temporais. O levantamento do estado da arte em visualização de dados espaço-temporais leva à conclusão de que a área ainda é deficiente em soluções para visualização e análise de dados espaço-temporais. Muitas abordagens abrangem somente questões espaciais, desprezando as características temporais desses dados. Inserido nesse contexto, o principal objetivo deste trabalho é melhorar a experiência do usuário em visualização e análise espaço-temporal, indo além do universo da visualização dos dados espaço-temporais brutos e considerando, também, a importância em visualização de dados espaço-temporais derivados de um processo de descoberta de conhecimento, mais especificamente algoritmos de clustering. Esse objetivo é atingido com a definição de uma abordagem inovadora em visualização de dados espaço-temporais, e de sua implementação, denominada GeoSTAT (Geographic SpatioTemporal Analysis Tool), que engloba pontos fortes observados nas principais abordagens existentes e acrescenta, principalmente, técnicas de visualização voltadas à dimensão temporal e à utilização de algoritmos de clustering, valorizando características até então pouco exploradas em dados espaço-temporais. A validação deste trabalho ocorre por meio de dois estudos de caso, onde cada um aborda dados espaço-temporais de um domínio específico, para demonstrar a experiência do usuário final diante das técnicas de visualização reunidas na abordagem proposta. 


Comments