Minería multimedia: hacia la construcción de una metodología y una herramienta de analítica de datos no estructurados

Efrain Alberto Oviedo Carrascal, Ana Isabel Oviedo Carrascal, Gloria Liliana Velez Saldarriaga

Resumen


En este trabajo se aborda el desarrollo de proyectos de minería multimedia con la aplicación de técnicas analíticas a textos, imágenes, audios y videos. Para aportar al desarrollo de estos proyectos, se propone una metodología para desarrollar proyectos de minería multimedia llamada Metodología de Analítica Multimedia (MAM). Así mismo, se presenta la construcción de una herramienta software que permite el análisis de minería multimedia llamada Plataforma de Analítica Multimedia (PAM). La metodología y la plataforma son evaluadas con dos casos de estudio sobre predicción de anormalidades en mamografías y análisis de similaridad en imagenología médica. Los resultados obtenidos permitieron validar los pasos propuestos en la metodología MAM y utilizar la plataforma PAM para extraer las características de las imágenes médicas, aplicar técnicas de minería de datos y evaluar satisfactoriamente los resultados obtenidos.

Palabras clave


minería de datos; minería multimedia; metodologías de minería de datos; plataformas para minería de datos

Texto completo:

PDF XML

Referencias


X. Wu, X. Zhu, G. Wu y W. Ding, «Data mining with big data», IEEE transactions on knowledge and data engineering, vol. 26, n.º 1, pp. 97-107, 2014.

E. A. Oviedo, A. I. Oviedo y G. L. Vélez, «Minería de datos: aportes y tendencias en el servicio de salud de ciudades inteligentes», Revista Politécnica, vol. 11, n.º 20, pp. 111-120, 2015.

J. Moine, «Metodologías para el descubrimiento de conocimiento en bases de datos: un estudio comparativo. Tesis de Maestría» Universidad Nacional de la Plata, Argentina, 2013.

A. Azevedo y L. Rojão, «KDD, SEMMA and CRISP-DM: a parallel overview», IADS-DM, pp. 182-185, 2008.

O. Maimon y L. Rokach, Data mining and knowledge discovery handbook, New Rork: Springer, 2005.

D. Pyle, Business modeling and data mining, Morgan Kaufmann, 2003.

P. Santana, R. Costaguta y D. Missio, «Aplicación de algoritmos de clasificación de minería de textos para el reconocimiento de habilidades de e-tutores colaborativos», Revista Iberoamericana de Inteligencia Artificial, pp. 57-67, 2014.

M. Tapia, O. Ruiz y C. Chirinos, «Modelo de clasificación de opiniones subjetivas en redes sociales», Ingeniería: Ciencia, Tecnología e Innovación, 2014.

M. Hall, E. Frank, G. Holmes, B. Pfahringer, P. Reutemann y I. H. Witten, «The WEKA Data Mining Software: An Update», SIGKDD Explorations, pp. 10-18, 2009.

M. Hofmann y K. Ralf, RapidMiner: Data Mining Use Cases and Business Analytics Applications, CRC Press, 2013.

L. Torgo, Data mining with R: learning with case studies, Chapman & Hall / CRC., 2010.

B. Devi, K. Rao, S. Setty y M. Rao, «Disaster Prediction System Using IBM SPSS Data Mining Tool», International Journal of Engineering Trends and Technology (IJETT), pp. 3352-3357, 2013.

G. Fernandez, Data mining using SAS applications, CRC Press, 2010.

A. I. Oviedo, J. Perea-Ortega, O. Ortega y E. Sanchis, «Video clustering based on the collaboration of multimedia clusterers,» de CLEI 2012 XXXVIII Conferencia Latinoamericana en Informática, Medellín, 2012.

S. Suganthira, P. Thamilselvan, J. G. R. Sathiaseelan y M. Lakshmiprabha, «A Technical Study on Biomedical image Classification using Mining Algorithms,» de National Conference on Recent Advancements in Software Development (NCRASD-2015), Karaikudi, 2015.

J. Suckling, J. Parker, D. R. Dance, S. Astley, I. Hutt, C. Boggis y J. Savage, «The mammographic image analysis society digital mammogram database,» In Exerpta Medica. International Congress Series, pp. 375-378, 1994.

D. A. Wainwright, I. V. Balyasnikova, A. L. Chang, A. U. Ahmed, K. S. Moon, B. Auffinger y M. S. Lesniak, «IDO Expression in Brain Tumors Increases the Recruitment of Regulatory T Cells and Negatively Impacts Survival,» Clinical cancer research, vol. 18, n.º 22, pp. 6110-6121, 2012.

J. Shiraishi, H. Abe, R. Engelmann y K. Doi, «Effect of high sensitivity in a computerized scheme for detecting extremely subtle solitary pulmonary nodules in chest radiographs: observer performance study», Academic radiology, vol. 10, n.º 11, pp. 1302-1311, 2003.

J. Mena, Data mining your website, Digital Press, 1999.

D. Corrales, A. Ledesma, A. Peña, J. Hoyos, A. Figueroa y J. Corrales, “A new dataset for coffee rust detection in Colombian crops base on classifiers,” Revista S&T, pp. 9-23, 2014.

J. Riquelme, R. Ruiz y K. Gilbert, “Minería de datos: Conceptos y tendencias,” vol. 10, nº 29, pp. 11-18, 2006.

D. Torres, “Diseño y aplicación de una metodología para análisis de noticias policiales utilizando minería de textos,” Universidad de Chile, 2013.




DOI: https://doi.org/10.22395/rium.v16n31a6

Enlaces refback

  • No hay ningún enlace refback.


Creative Commons License
Este trabajo esta licenciado bajo una Creative Commons Attribution-NonCommercial 4.0 International License.

© 2011 Sello Editorial. Universidad de Medellín.

 

 

Indexada en: