DSpace UNL

RUN >
Instituto Superior de Estatística e Gestão de Informação (ISEGI) >
ISEGI - Dissertações de Mestrado em Estatística e Gestão da Informação >

Please use this identifier to cite or link to this item: http://hdl.handle.net/10362/5389

Título: Utilização do algoritmo Self-Organizing Map na caracterização de organizações públicas portuguesas.
Autor: Almeida, João Teixeira
Orientador: Bação, Fernando José Ferreira Lucas
Palavras-chave: Desempenho financeiro
Organizações públicas portuguesas
Redes neuronais artificiais
Data Mining
Self-Organinzing Map
Issue Date: 15-Mar-2011
Relatório da Série N.º: Mestrado em Estatística e Gestão de Informação;TEGI0276
Resumo: Em muitas organizações com finalidades lucrativas e não lucrativas, têm sido aplicadas técnicas para extrair conhecimento de dados que contêm um considerável número de variáveis. Esse conhecimento serve, na fase seguinte, para ajudar os responsáveis por uma determinada área ou pela organização na sua globalidade a tomar decisões. Áreas como, marketing, logística, finanças entre outras, são potenciais clientes destas técnicas. Técnicas essas que fazem parte dos “sistemas de suporte à decisão”. Este trabalho caracteriza um conjunto de Organizações Públicas Portuguesas (OPP), utilizando múltiplas variáveis, com base em dados financeiros. Para conseguir esse objectivo é utilizado o algoritmo de clustering1, Self-Organizing Map (SOM). O Self-Organizing Map é uma técnica de rede neuronal inventada por Teuvo Kohonen que cria informação visual simplificada de dados com múltiplas variáveis (Deboeck & Kohonen, 2000). Esta técnica permite perceber padrões nos dados. A utilização de redes neuronais na caracterização de dados financeiros é relativamente recente (Peng, 2008), e a informação científica é igualmente escassa. Principalmente na utilização do Self-Organizing Map (SOM) em dados financeiros.(...)
Descrição: Dissertação apresentada como requisito parcial para a obtenção do grau de mestre em Estatística e Gestão de Informação.
URI: http://hdl.handle.net/10362/5389
Appears in Collections:ISEGI - Dissertações de Mestrado em Estatística e Gestão da Informação

Files in This Item:

File Description SizeFormat
TEGI0276.pdf3,52 MBAdobe PDFView/Open
Statistics
FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpaceOrkut
Formato BibTex mendeley Endnote Logotipo do DeGóis 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Universidade Nova de Lisboa  - Feedback
Estamos no RCAAP Governo Português separator Ministério da Educação e Ciência   Fundação para a Ciência e a Tecnologia

Financiado por:

POS_C UE