Skip to content

Clustering visuale per l'analisi di dati microarray

Informazioni tesi

  Autore: Vinicio Longo
  Tipo: Tesi di Laurea
  Anno: 2003-04
  Università: Università degli Studi della Calabria
  Facoltà: Ingegneria
  Corso: Ingegneria Informatica
  Relatore: Domenico Sacca'
  Lingua: Italiano
  Num. pagine: 118

La presente tesi si colloca nel campo del Data Mining su dati posti in forma matriciale.
Il Data Mining è un passo fondamentale del processo di scoperta della conoscenza (Knowledge Discovery), ed è l’applicazione di una o più tecniche che permettono l’esplorazione di grosse quantità di dati, principalmente già strutturati, con lo scopo di individuare informazioni nascoste e significative e di renderle disponibili e direttamente utilizzabili.
Esistono vari software che implementano queste tecniche, uno di questi è Eureka! Uno strumento di Visual Data Mining che aiuta l’utente in una serie di analisi su insiemi di dati, come la classificazione e la clusterizzazione utilizzando algoritmi di decomposizione come l’SVD (Singular Value Decomposition) e fornendone una rappresentazione grafica.
Eureka! è stato implementato principalmente come un’estensione della libreria di machine learning Weka di Java, integrando e aggiungendo alcune tecniche di discretizzazione e un clustering visuale.
In questo contesto sono stati inseriti suggerimenti grafici che non sono stati integrati nella precedente estensione della libreria. Tali suggerimenti sono stati messi a punto tramite l’inserimento di tasti e opzioni che permettono di evidenziare particolari caratteristiche e particolari informazioni nei dati.
La tesi è articolata nel seguente modo:
Il primo capitolo fornisce una overview su cosa si intende per Data Mining e quali sono le principali tecniche utilizzate per l’estrapolazione di nuove informazioni.
Inoltre il capitolo contiene una descrizione dei vari metodi di clusterizzazione, una descrizione dell’analisi, predizione e classificazione dei dati eventualmente partizionati.
Il secondo capitolo fornisce una descrizione delle funzionalità del sistema di Visual Data Mining Eureka!. Viene inizializzata un introduzione di cosa è la Singular Value Decomposition per poi essere descritta in modo più minuzioso nel successivo capitolo.
Infine, viene mostrata l’applicazione dell’SVD nel campo del Data Mining.
Nel terzo capitolo viene descritto in modo approfondito la fattorizzazione del dataset di partenza posto sottoforma matriciale evidenziando una prima ricombinazione lineare degli elementi della matrice di partenza e successivamente descrivendo le modalità di costruzione delle matrici U, V e Λ come combinazione lineare degli elementi della matrice di partenza precedentemente ricombinati.

Nel quarto capitolo si procede alla descrizione dell’implementazione della classe relativa alla visualizzazione delle caratteristiche dei dati di partenza (matrice V) e successivamente vengono illustrate le modalità di implementazione della suddetta classe evidenziandone i passi salienti.
Inoltre mettendo a fuoco le potenzialità dell’applicazione dell’ SVD, relativamente ad un determinato dataset, vengono evidenziati i benefici relativi all’introduzione del suggerimento legato a tale visualizzazione.
Nel quinto capitolo si procede alla descrizione dell’implementazione del suggerimento grafico relativo all’individuazione di partizioni di dati omogenee, evidenziando le particolarità delle modalità della visualizzazione di tale suggerimento.
Infine nel sesto e ultimo capitolo vengono sfruttate le potenzialità del sistema e i suggerimenti precedentemente implementati per effettuare clustering visuale su dati microarray, di due dataset relativi a frammenti di tessuto di due patologie tumorali: tumore del colon e leucemia, al fine di evidenziare controtendenze e informazioni rilevanti fra i vari tipi di frammenti di tessuto (malato e normale).

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
5 Introduzione La presente tesi si colloca nel campo del Data Mining su dati posti in forma matriciale. Il Data Mining è un passo fondamentale del processo di scoperta della conoscenza (Knowledge Discovery), ed è l’applicazione di una o più tecniche che permettono l’esplorazione di grosse quantità di dati, principalmente già strutturati, con lo scopo di individuare informazioni nascoste e significative e di renderle disponibili e direttamente utilizzabili. Esistono vari software che implementano queste tecniche, uno di questi è Eureka! Uno strumento di Visual Data Mining che aiuta l’utente in una serie di analisi su insiemi di dati, come la classificazione e la clusterizzazione utilizzando algoritmi di decomposizione come l’SVD (Singular Value Decomposition) e fornendone una rappresentazione grafica. Eureka! è stato implementato principalmente come un’estensione della libreria di machine learning Weka di Java, integrando e aggiungendo alcune tecniche di discretizzazione e un clustering visuale. In questo contesto sono stati inseriti suggerimenti grafici che non sono stati integrati nella precedente estensione della libreria. Tali suggerimenti sono stati messi a punto tramite l’inserimento di tasti e opzioni che

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

clustering
knowledge discovery
microarray
singular value decomposition
visual data mining

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi