Visual Data MiningReal Applications and New Approaches

Resumen

En los últimos años, la visualización de datos se ha convertido en un área muy activa y vital de la investigación. Es una manera eficaz de analizar grandes cantidades de datos para identificar correlaciones, tendencias, valores extremos, patrones, entre otra mucha información. Los datos sin procesar a menudo carecen de sentido, pero representar dichos datos visualmente ofrece al público un contexto importante para entender la información contenida en ellos. Debido a la importancia de esta área de investigación, y a su novedad, esta tesis se centra en esta temática y pretende descubrir nuevos hallazgos, extraer conclusiones y legar contribuciones relevantes a la comunidad científica en dicho campo. Para alcanzar dicho propósito, este trabajo trata de abordar dos objetivos principales. El primer objetivo de la presente tesis es tratar de desarrollar nuevos métodos de visualización para interpretar los resultados de varios algoritmos de minería de datos. Por ejemplo, el análisis de clusters o técnicas de agrupamiento es un gran desafío en la visualización de datos; por esta razón, ambos van a menudo de la mano. Sin embargo, hay una falta de técnicas de visualización asociadas al clustering y clustering jerárquico que proporcionen información sobre los valores de los atributos de los centroides y de las relaciones entre ellos. Por lo tanto, esta tesis investiga nuevas aproximaciones que hagan posible incluir esta información visualmente, además de encontrar nuevos métodos para visualizar los resultados de varios algoritmos de minería de datos, aparte de los anteriormente mencionados, con el fin de ayudar a simplificar su interpretación y para obtener una mejor comprensión. Otro de los objetivos de esta tesis se centra en abordar diferentes problemas reales de diversa índole, algunos de ellos enmarcados en proyectos de investigación financiados. La solución de estos problemas se aborda a través de la visualización de datos y minería de datos visual con el fin de obtener una perspectiva sobre el problema, lo que hace posible la extracción de conocimiento, el descubrimiento de información oculta y encontrar patrones y relaciones entre los datos. En particular, la presente tesis se centra en el uso de los conocidos Self-Organizing Maps (SOMs) para resolver problemas reales en diversos campos de investigación, proporcionando soluciones a problemas complejos que de otra manera habría sido muy difícil de resolver.