<div dir="ltr"><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small">Prezados(as)</div><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small"><br></div><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small">Nesta quarta-feira, 16/05, as 13hs, sala 221 IMECC-UNICAMP. O seminário em <AD,AD> será apresentado por</div><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small"><br></div><div class="gmail_default" style=""><font face="verdana, sans-serif" style="">Stanley Robson de Medeiros Oliveira</font></div><div class="gmail_default" style=""><font face="verdana, sans-serif"><span style="color:rgb(0,0,0)">Embrapa Informatica Agropecuaria - CNPTIA</span><br></font></div><div class="gmail_default" style=""><span style="color:rgb(0,0,0)"><font face="verdana, sans-serif"><br></font></span></div><div class="gmail_default" style=""><font color="#000000" face="verdana, sans-serif">Para aqueles que puderem atender o seminário, sejam bem vindos.</font></div><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small"><span style="color:rgb(0,0,0);font-family:Helvetica,Arial,sans-serif;font-size:16px"><br></span></div><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small"><span style="color:rgb(0,0,0);font-family:Helvetica,Arial,sans-serif;font-size:16px"><div style="color:rgb(0,0,0);font-family:"times new roman","new york",times,serif;font-size:12pt;font-style:normal;font-variant-ligatures:normal;font-variant-caps:normal;font-weight:400;letter-spacing:normal;text-align:start;text-indent:0px;text-transform:none;white-space:normal;word-spacing:0px;background-color:rgb(255,255,255);text-decoration-style:initial;text-decoration-color:initial"><div id="gmail-m_1640708811487612435m_1740398935148508378m_8405042523279556486c4ec2957-d094-4774-a729-0f3d15e966fa"><b>Título</b>: <span style="font-size:12pt">Uma abordagem para análise de clusters que preserva a privacidade de dados </span><span style="font-size:12pt">e garante clusters precisos em colaboração como modelo de negócios.</span></div><div id="gmail-m_1640708811487612435m_1740398935148508378m_8405042523279556486c4ec2957-d094-4774-a729-0f3d15e966fa"><br></div><div id="gmail-m_1640708811487612435m_1740398935148508378m_8405042523279556486c4ec2957-d094-4774-a729-0f3d15e966fa"><b>Resumo</b>: O compartilhamento de dados tem se mostrado benéfico em aplicações de mineração de dados. No entanto, regulamentos de privacidade podem impedir que proprietários compartilhem <font face="times new roman, new york, times, serif">dados para análise de agrupamento (clustering ou clusterização). Para abordar esse problema, proprietários de dados devem </font>projetar uma solução que atenda aos requisitos de privacidade e garanta, ao mesmo tempo, resultados válidos obtidos da análise de clusters. Para atingir esse objetivo duplo, apresentaremos um novo método para clustering baseado em projeção aleatória para proteger os valores dos objetos</div></div><div style="color:rgb(0,0,0);font-family:"times new roman","new york",times,serif;font-size:16px;font-style:normal;font-variant-ligatures:normal;font-variant-caps:normal;font-weight:400;letter-spacing:normal;text-align:start;text-indent:0px;text-transform:none;white-space:normal;word-spacing:0px;background-color:rgb(255,255,255);text-decoration-style:initial;text-decoration-color:initial"><div><font face="times new roman, new york, times, serif">(dados de clientes, pacientes, etc) submetidos à análise de clusters. As principais características deste método são: (a) é independente de </font><span style="font-family:"times new roman","new york",times,serif">algoritmos de clustering baseados em distância; (b) tem uma base matemática sólida; e </span><span style="font-family:"times new roman","new york",times,serif">(c) não requer operações intensivas da CPU. Mostraremos analiticamente e empiricamente que </span><span style="font-family:"times new roman","new york",times,serif">transformando um conjunto de dados por meio do método proposto, proprietários de dados podem garantir a preservação da privacidade </span><span style="font-size:12pt">em colaboração como modelo de negócios, </span><span style="font-size:12pt">bem como obter clusters precisos com um pouco de custo de comunicação.</span></div></div><br></span></div><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small"><span style="color:rgb(0,0,0);font-family:Helvetica,Arial,sans-serif;font-size:16px"><br></span></div><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small"><span style="color:rgb(0,0,0);font-family:Helvetica,Arial,sans-serif;font-size:16px"><br></span></div><br clear="all"><div><br></div>-- <br><div class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div>Ronaldo Dias</div>Professor<div>Dept. of Statistics-IMECC, UNICAMP</div><div><a href="http://www.ime.unicamp.br/~dias" target="_blank">www.ime.unicamp.br/~dias</a></div><div><br></div></div></div></div>
</div>