Data mining e analisi simbolica
Contributi
Luigi Arpaia, Dario Bruzzese, Andrea Cerioli, Salvatore Ingrassia, Aldo Corbellini, Maria Gabriella Grassia, Natale Carlo Lauro, Germana Scepi, Antonio Irpino, Rosanna Verde, Francesco Palumbo, Alfonso Iodice D'Enza, Maria Adele Milioli, Isabella Morlini, Giacomo Patrizi, Luciano Nieddu, Pietro Mingazzini, Francesco Paparo, Gregorio Patrizi, Claudia Provenza, Francesca Ricci, Lorenzo Memeo, Alfredo Rizzi
Collana
Livello
Dati
pp. 256,      1a edizione  2004   (Codice editore 1340.72)

Tipologia: Edizione a stampa
Prezzo: € 38,00
Disponibilità: Discreta


Clicca qui per acquistare
Codice ISBN: 9788846457493

Presentazione del volume

Il volume raccoglie una selezione dei contributi scientifici sviluppati nell'ambito del programma di ricerca cofinanziato dal titolo "Data Mining e Analisi Simbolica" (anno di finanziamento 2000).

Il progetto ha avuto come obiettivo l'introduzione di teorie e strategie di Data Mining per l'analisi di basi di dati complessi e definite nell'ottica dell'analisi simbolica. Nuove strategie di analisi che integrano metodologie statistiche tradizionali e strumenti propri del Data Mining sono state sviluppate in diversi contesti applicativi.

Tra i temi affrontati in questo volume, si ritrovano l'analisi dei dati ad intervallo, le regole di associazione, le trasformazioni lineari dei dati, la classificazione consenso di dati simbolici modali, il clustering per dati funzionali e l'applicazione di tecniche di data mining per la valutazione del grado di soddisfazione degli studenti universitari.

Cristina Davino , dottore di ricerca in "Statistica Computazionale", svolge attività di ricerca presso il Dipartimento di Matematica e Statistica dell'Università di Napoli Federico II. Dal 2000 è professore a contratto di Statistica presso la Facoltà di Scienze Politiche dell'Università di Macerata. I suoi contributi presentati a convegni nazionali ed internazionali e pubblicati su volumi e riviste riguardano, principalmente, l'analisi multidimensionale dei dati, le reti neuronali e le regole di associazione.

Natale Carlo Lauro , professore ordinario di Statistica presso l'Università degli Studi di Napoli Federico II, è da anni impegnato nella ricerca e nell'insegnamento di temi quali l'Analisi Multivariata, l'Analisi dei Dati Evolutivi, la Statistica Computazionale, l'Analisi dei Dati Simbolici, il Controllo statistico di qualità, la Customer Satisfaction. Docente e Coordinatore del Dottorato di Ricerca in Statistica Computazionale ed Applicazioni è attualmente presidente dell'International Federation of Classification Societies. È stato partner di numeorsi progetti Europei (1996-99): Symbolic Official Data Analysis System (SODAS), Interpretation of Symbolic Objects with 3D Representation (ISO3D), Seasonal Adjustement and Forecasting of Time Series (TESS), Visual Data Mining System (VITAMIN-S).

Indice


Natale Carlo Lauro, Prefazione
Luigi Arpaia, Definizione di indici di valutazione delle Regole Associative "Concordi"
Dario Bruzzese, Cristina Davino, Alcuni strumenti per il monitoraggio delle Regole di Associazione
Andrea Cerioli, Salvatore Ingrassia, Aldo Corbellini, Classificazione simbolica di dati funzionali: un'applicazione al monitoraggio ambientale
Maria Gabriella Grassia, Natale Carlo Lauro, Germana Scepi, L'Analisi dei dati ad intervallo nell'ambito della Qualità
Antonio Irpino, Rosanna Verde, Classificazione consenso dei dati concettuali mediante reticoli di Galois
Natale Carlo Lauro, Francesco Palumbo, Alfonso Iodice D'Enza, Visualizzazione ed ordinamento di oggetti simbolici
Maria Adele Milioli, Tecniche multivariate e data mining per l'analisi della customer satisfaction: la qualità della didattica nella Facoltà di Economia di Parma
Isabella Morlini, Reti neurali e data mining per l'analisi della customer satisfaction: il caso della qualità della didattica nella Facoltà di Economia di Parma
Giacomo Patrizi, Luciano Nieddu, Pietro Mingazzini, Francesco Paparo, Gregorio Patrizi, Claudia Provenza, Francesca Ricci, Lorenzo Memeo, Algoritmi di supporto alla diagnosi istopatologica delle neoplasie del colon
Alfredo Rizzi, Trasformazioni lineari nell'analisi dei dati