Esse aplicativo foi desenvolvido como artefato de trabalho prático da disciplina Sistemas de Apoio a Decisão (CEA462) da Universidade Federal de Ouro Preto (UFOP).
A meta deste aplicativo é aplicar o algoritmo (K-Nearest Neighbor) para detecção de anomalia na base de dados Iris.
A aplicação é constituída por 3 pacotes: kernel , main e util .
Os pacotes main e util possuem as classes Main e classes de leitura / conversão respectivamente. Ambas são classes de apoio para as classes que estão contidas no pacote kernel, que são as classes Iris e AnomalyDetection.
Basicamente a classe Iris encapsula todas as características de uma Iris presente no data set enquanto a classe AnomalyDetection realiza a mineração de dados através do algoritmo KNN.
This application was develop as a artifact of a practical project of the Decision Support Systems of the Federal University of Ouro Preto (UFOP), Brazil.
The main goal of this application is to apply the K-Nearest Neighbor (KNN) to detect anomalies in the Iris dataset.
The application is composed by 3 packages: kernel, main and util.
The main and util packages have the Main and reading / conversion classes respectively. Both are support classes for the classes into kernel package, which are the Iris and AnomalyDetection.
Basically, the Iris class encapsulates all the characteristics of a Iris in the data set and the AnomalyDetection class does the data mining via KNN algorithm.