Minería de datos: busqueda de conocimiento sobre evolución del canto de la familia thamnophilidae
DOI:
https://doi.org/10.5380/atoz.v1i1.41284Palabras clave:
Minería de datos, Bases de datos, Aves forestales, Thamnophilidae (ave), Cantos de los pájarosResumen
Introducción: Se describe la utilización de una técnica de minería de datos sobre el canto, la biología y el micro-habitat de la familia Thamnophilidae (Aves) con el fin de encontrar estándares que se relacionen. Metodología: Se construyó una base de datos en una planilla Excel relacionando 83 especies de la familia de las aves Thamnophilidae, con diferentes atributos referentes a las características del canto, de la biología y del micro-habitat en el cual se encontraban. En el análisis se utilizó el algoritmo Apriori en el software WEKA 3.7.1. Resultados: Al asociar los diferentes atributos de 82 especies diferentes considerando una base mínima de un 10% y una confianza mínima de 90% fueron encontrados 172 estándares, de los cuales 42 contenían dos atributos de canto: PC1 y PC2. Los estándares que relacionaban el atributo PC2 fueron los más significativos al indicar la relación de este con los tamaños y géneros de la familia. Los resultados ayudaron a generar una hipótesis de que los atributos de canto poseen comportamientos no relacionados. Conclusiones: La experiencia demostró que el algoritmo puede ser mejor aprovechado en bases de datos mayores y/o cuya estandarización de datos presente menor número de categorías, lo que puede ser una limitación en el campo de la macroecología. Pero, al mismo tiempo, se mostró un instrumento alternativo para el estudio exploratorio de relaciones entre diversos atributos, cuyos resultados pueden servir de objetos de análisis más profundos.
Citas
AGRAWAL, R.; IMIELINSKI, T.; SWAMI, A. Mining association rules between sets of itens in large databases. ACM SIGMOD Conference Management of Data, Washington, 1993. Proceedings... Disponível em: http://www.rakesh.agrawal-family.com/papers/sigmod93assoc.pdf. Acesso em: 10 nov. 2010.
BAÇÃO, F.; PAINHO, M. Aspectos metodológicos da utilização do data mining no âmbito da geografia. Finisterra, v. 38, n. 75, p. 135-147, 2003.
BEGON, M.; TOWNSEND, C. R.; HARPER, J. L. Ecology: from individuals to ecosystems. 4 ed. Oxford: Blackwell, 2006.
BEKKER, R. M. et al. Long term datasets: from descriptive to predictive data using ecoinformatics. Journal of Vegetation Science, v. 18, n. 4, p. 457-462, 2007. Disponível em: http://dx.doi.org/10.1111/j.1654-1103.2007.tb02559.x/ abstract. Acesso em: 10 nov. 2010.
BLACKBURN, T. M. Method in macroecology. Disponível em: http://wolfweb.unr.edu/~ldyer/classes/blackburn.pdf. Acesso em: 20 abr. 2011.
CHARIF, R. A.; WAACK, A. M.; STRICKMAN, L. M. Raven Pro 1.4 user`s manual. Cornell Lab of Ornithology, Ithaca, NY. 2010. Disponível em: http://www.birds.cornell.edu/brp/raven/RavenOverview.html. Acesso em: 14 set. 2010.
DEL HOYIO, J.; ELLIOT, A.; CHRISTIE, D. A (Ed.). Handbook of the birds of the world. 8 v. (Broadbills to Tapaculos). Barcelona: Lynx, 2003.
DUNNING, J. B (Ed.). CRC handbook of avian body masses. 2 ed. Boca Raton: CRC, 2008.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to knowledge discovery in databases, 1997. Disponível em: http://www.kdnuggets.com/gpspubs/aimag-kdd-overview-1996-Fayyad.pdf. Acesso em: 10 out. 2010.
______. Knowledge discovery and data mining: towards a unifying framework. 1996. Disponível em: http://www.aaai.org/Papers/KDD/1996/KDD96-014.pdf. Acesso em: 10 out. 2010.
GLUSMAN, G. et al. The Olfactory receptor gene superfamily: data mining, classification and nomenclature. Mammalian Genome, NY, 2000.
GOLDSCHMIDT, R.; PASSOS, E. Data mining: um guia prático. Rio de Janeiro: Elsevier, 2005.
GOTELLI, N. J. Perspectives in biogeography: hypothesis testing, curve fitting, and data mining in macroecology. International Biogeography Society Newsletter, v. 6, n. 3, p. 1-7, 2008.
LI, D.; DI, K.; LI, D. Land use classification of remote sensing image with GIS data based on spatial data mining techniques. Archives of Photogrammetry and Remote Sensing, Amsterdam, v. 33, parte b3, 2000.
NEVES, R. de C. D das. Pré-processamento no processo de descoberta de conhecimento em banco de dados. 2003. Dissertação (Programa de Pós-graduação em Computação) - Instituto de Informática, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2003.
TKALCIC, M. csv2arff. 2008. Disponível em: http://slavnik.fe.uni-lj.si/markot/csv2arff/csv2arff.php. Acesso em: 11 abr. 2011.
XENO-CANTO. 2005-2010. Disponível em: http://www.xeno-canto.org/. Acesso em: 20 abr 2010.
Publicado
Cómo citar
Número
Sección
Licencia
La revista AtoZ es una revista científica de acceso abierto y los derechos de autor de artículos y entrevistas pertenecen a sus respectivos autores/encuestados. Los autores otorgan a la AtoZ el direito de incluir el material publicado (revisado por pares/pos-print) en em sistemas/herramientas de indización, agregadores o curadores.
Los autores tienen permiso y se les anima a depositar sus artículos en sus páginas personales, depósitos y/o portales institucionales anteriormente (pre-print) y posteriormente (post-print) a la publicación en esa Revista. Se pide, si possible, que se apunte la referencia bibliográfica del artículo (incluyendose la URL) en base a la AtoZ.
La AtoZ es sello verde por Diadorim/IBICT.
Todo el contenido de la revista (incluyendo las instrucciones, modelos y política editorial) a menos que se indique otra cosa, están bajo una Licencia de Atribución de Bienes Comunes Creativos (CC) 4.0 Internacional.
Cuando los artículos son publicados por esta revista, se pueden compartir (copiar y redistribuir el material en cualquier soporte o formato para cualquier propósito, incluso comercial) y adaptar (remezclar, transformar y crear a partir del material para cualquier propósito, incluso si es comercial). Debe dar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios.
La AtoZ no cobra cualquier tasas por la sumisión y/o procesamiento y/o la publicación de artículos.
