Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DEX - Departamento de Ciências Exatas >
DEX - Programa de Pós-graduação >
DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações) >

Por favor, utilize esse identificador para citar este item ou usar como link: http://repositorio.ufla.br/jspui/handle/1/919

Título: Técnica de mineração de dados na discriminação sensorial da qualidade do café arábica e o meio físico
Autor(es): Ramos, Mariana Figueira
Orientador: Cirillo, Marcelo Angelo
Coorientador(es): Borém, Flávio Meira
Membro da banca: Sáfadi, Thelma
Volpato, Margarete Marin Lordelo
Área de concentração: Estatística e Experimentação Agropecuária
Assunto: CHAID
Data mining
Árvore de decisão
Decision tree
Data de Defesa: 22-Fev-2013
Data de publicação: 2013
Agência de Fomento: Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)
Referência: RAMOS, M. F. Técnica de mineração de dados na discriminação sensorial da qualidade do café arábica e o meio físico. 2013. 70 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2013.
Resumo: A mineração de dados - data mining - tem sido utilizada nas mais diversas áreas do conhecimento como potencial ferramenta para estratégias de decisões. Na detecção de perfis/hábitos de consumidores, fraudes, riscos e otimização de recursos, a técnica foi bem sucedida, permitindo seu emprego em áreas ainda não utilizadas. Em se tratando da mineração de dados utilizada na pesquisa cafeeira, nota-se uma carência de resultados mencionados na literatura, sugerindo sua aplicabilidade na descrição do perfil sensorial da qualidade do café associado a fatores genéticos e ambientais, bem como tecnológicos. Diante disso, neste trabalho propõe-se a utilização da técnica de data mining Chi-square automatic iteration detection, ou CHAID, no banco de dados do projeto intitulado “Protocolo de identidade, qualidade e rastreabilidade para embasamento da indicação geográfica dos cafés da Mantiqueira”, para identificar características sensoriais da bebida do café arábica que se associam com o ambiente. Os resultados obtidos permitiram identificar fatores do meio físico associados às características sensoriais consideradas.
Data mining has been used in various fields of knowledge as a potential tool for strategy decisions. In detection of profiles / habits of consumers, fraud, risk and resource optimization, the technique was successful, allowing its use in areas not used yet. In the case of data mining used in coffee research, there is a lack of results mentioned in the literature, suggesting its applicability in describing the sensory profile of coffee quality associated with genetic, environmental, and technological. Thus, the paper proposes the use of the technique of data mining CHAID (Chi-square iteration automatic detection) in the database of the project entitled "Identity protocol, quality and traceability to the basement a geographical indication of coffees from Mantiqueira of Minas Gerais", to identify characteristics sensory of coffee drink that are associated with the environment. The results obtained allowed to identify physical factors associated with sensory characteristics considered.
Informações adicionais: Dissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração Estatística e Experimentação Agropecuária para a obtenção do título de Mestre.
URI: http://repositorio.ufla.br/jspui/handle/1/919
Publicador: UNIVERSIDADE FEDERAL DE LAVRAS
Idioma: pt_BR
Aparece nas coleções: DEX - Estatística e Experimentação Agropecuária - Mestrado (Dissertações)

Arquivos neste Item:

Arquivo Descrição TamanhoFormato
DISSERTAÇÃO Técnica de mineração de dados na discriminação sensorial da qualidade do café a.pdf772,89 kBAdobe PDFVer/abrir

Itens protegidos por copyright, com todos os direitos reservados, Salvo indicação em contrário.


Mostrar estatísticas

 


DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback