Aplicaciones de data mining al estudio de la biodiversidad

El trabajo propone la utilización conjunta de técnicas de data mining y simulación para evaluar la riqueza y diversidad de comunidades microbianas. Se parte de una muestra formada por distintas secuencias de ADN que se alinean para luego ser agrupadas según su similaridad en clusters. Cada uno de es...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Santa María, Cristóbal, Soria, Marcelo A.
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2011
Materias:	Ciencias Informáticas base de datos cluster Data mining riqueza diversidad rarefacción simulación cobertura
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/20030
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-20030
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas base de datos cluster Data mining riqueza diversidad rarefacción simulación cobertura
spellingShingle	Ciencias Informáticas base de datos cluster Data mining riqueza diversidad rarefacción simulación cobertura Santa María, Cristóbal Soria, Marcelo A. Aplicaciones de data mining al estudio de la biodiversidad
topic_facet	Ciencias Informáticas base de datos cluster Data mining riqueza diversidad rarefacción simulación cobertura
description	El trabajo propone la utilización conjunta de técnicas de data mining y simulación para evaluar la riqueza y diversidad de comunidades microbianas. Se parte de una muestra formada por distintas secuencias de ADN que se alinean para luego ser agrupadas según su similaridad en clusters. Cada uno de estos clusters es una especie y el propósito es estimar su número y distribución en la comunidad basándose en la información que da la muestra. La técnica de rarefacción, sustentada en el procedimiento bootstrap, permite construir una curva cuya tendencia asintótica es precisamente la riqueza de la comunidad. Para alcanzar tal asíntota, y a la vez para estimar la distribución estadística de las especies, se propone una simulación que utiliza la estimación de Turing sobre la probabilidad de nueva especie al seleccionar un individuo nuevo y la idea de cobertura para la porción de la distribución que cubre la muestra.
format	Objeto de conferencia Objeto de conferencia
author	Santa María, Cristóbal Soria, Marcelo A.
author_facet	Santa María, Cristóbal Soria, Marcelo A.
author_sort	Santa María, Cristóbal
title	Aplicaciones de data mining al estudio de la biodiversidad
title_short	Aplicaciones de data mining al estudio de la biodiversidad
title_full	Aplicaciones de data mining al estudio de la biodiversidad
title_fullStr	Aplicaciones de data mining al estudio de la biodiversidad
title_full_unstemmed	Aplicaciones de data mining al estudio de la biodiversidad
title_sort	aplicaciones de data mining al estudio de la biodiversidad
publishDate	2011
url	http://sedici.unlp.edu.ar/handle/10915/20030
work_keys_str_mv	AT santamariacristobal aplicacionesdedataminingalestudiodelabiodiversidad AT soriamarceloa aplicacionesdedataminingalestudiodelabiodiversidad
bdutipo_str	Repositorios
_version_	1764820464994091008

Aplicaciones de data mining al estudio de la biodiversidad

Ejemplares similares