Renato Vimieiro
Universidade Federal de Minas GeraisDCC
Pesquisador colaborador
Informações resumidas do Currículo Lattes
Currículo Lattes atualizado em 24/06/2021
Nome em citações bibliográficas: VIMIEIRO, R.;VIMIEIRO, RENATO;Vimieiro, Renato
Formação acadêmica
Doutorado em Ciência da Computação na The University of Newcastle Australia em 2012Mestrado em Ciências da Computação na Universidade Federal de Minas Gerais em 2007
Graduado em Ciência da Computação na Pontifícia Universidade Católica de Minas Gerais em 2004
Projetos de pesquisa em andamento
| 2019 a Atual | Investigação do uso de computação evolucionária para mineração de padrões discriminativos em bases de dados de alta dimensionalidade CNPq. Universal. O objetivo principal deste projeto é investigar e desenvolver algoritmos baseados em computação evolucionária para mineração de padrões discriminativos em bases de dados de alta dimensionalidade. O uso de computação evolucionária para mineração de regras de classificação é algo bastante estudado na literatura. Contudo, existem poucas abordagens evolucionárias para mineração de padrões discriminativos, sendo o número de abordagens capazes de lidar com alta dimensionalidade ainda menor. Esse fato contraria alguns autores que sugerem a possibilidade de aplicar os algoritmos existentes em dados de biomédicos. Entendendo que a aplicação em bioinformática é de importância tanto social quanto científica, o objetivo central será desenvolver métodos que permitam tal utilização. Integrantes: Renato Vimieiro (coordenador). |
Projetos de desenvolvimento em andamento
Últimas publicações
Artigos em periódicos
A new evolutionary algorithm for mining top- k discriminative patterns in high dimensional data2017. APPLIED SOFT COMPUTING.
Iteratively refining breast cancer intrinsic subtypes in the METABRIC dataset
2016. Biodata Mining.
The Discovery of Novel Biomarkers Improves Breast Cancer Intrinsic Subtype Prediction and Reconciles the Labels in the METABRIC Data Set
2015. Plos One.
A new method for mining disjunctive emerging patterns in high-dimensional datasets using hypergraphs
2014. Information Systems (Oxford).
Disclosed: An efficient depth-first, top-down algorithm for mining disjunctive closed itemsets in high-dimensional data
2014. Information Sciences.
Mining disjunctive minimal generators with TitanicOR
2012. Expert Systems with Applications.
Trabalhos completos em congressos
Exceptional Survival Model Mining2020. 2020 Brazilian Conference on Intelligent Systems (BRACIS).
A Characterization of Portuguese Tweets Regarding the Covid-19 Pandemic
2020. Symposium on Knowledge Discovery, Mining and Learning.
Clinical risk factors of ICU & fatal COVID-19 cases in Brazil
2020. Symposium on Knowledge Discovery, Mining and Learning.
A Multivariate Method for Group Profiling Using Subgroup Discovery
2019. 2019 8th Brazilian Conference on Intelligent Systems (BRACIS).
A Multiview Clustering Approach for Mining Authorial Affinities in Literary Texts
2019. 2019 8th Brazilian Conference on Intelligent Systems (BRACIS).
Effects of Population Initialization on Evolutionary Techniques for Subgroup Discovery in High Dimensional Datasets
2018. 2018 7th Brazilian Conference on Intelligent Systems (BRACIS).
SSDP+: A Diverse and More Informative Subgroup Discovery Approach for High Dimensional Data
2018. 2018 IEEE Congress on Evolutionary Computation (CEC).
A quantitative comparison of exhaustive discriminative pattern mining algorithms
2017. Encontro Nacional de Inteligência Artificial e Computacional.
Uma análise de algoritmos para extração de regras de associação usando Análise Formal de Conceitos
2007. III Workshop em Algoritmos e Aplicações de Mineração de Dados.
Rule Extraction from Trained Neural Networks via Formal Concept Analysis
2004. 8th IASTED Conference on Artificial Intelligence and Soft Computing.
Resumos expandidos em congressos
Resumos em congressos
Breast Cancer Subtypes Individuation Driving Novel Drug Targets For Tailored Therapies2013. Translational Cancer Research Conference.
Manual and automatic media frame analysis: a mixed-method proposal for analyzing large corpora
2012. RC33 Eighth International Conference on Social Science Methodology.
Veja todas as publicações no Currículo Lattes
