Referências bibliográficas

• [1] HILBERT, Martin; LÓPEZ, Priscila. The World’s Technological Capacity to Store, Communicate and Compute Information. Sciencexpress Ressearch Article, Isle of Man, vol. 332, p. 60-65, 201 Disponível em: http://science.sciencemag.org/content/332/6025/60. Acesso em: 12 fev. 2019. [2] ROJAS, Alexandre. Geração Dinâmica de Padrões de Movimentação Rodoviária de Cargas e Veículos por Identificação por Rádio Frequência. 2013. 180f. Tese (Doutorado) – Curso de Engenharia de Transportes, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2013. Disponível em: 13 http://www.pet.coppe.ufrj.br/images/documentos/teses/2013/Tese_AlexandreRojas.pdf. Acesso em: 13 fev. 2019. [3] TESSAROLO, Pedro Henrique; MAGALHÃES, Willian Barbosa. A era do big data no conteúdo digital: os dados estruturados e não estruturados. Universidade Paranaense, Paranavaí, 2015, 5p. Disponível em: http://web.unipar.br/~seinpar/2015/_include/artigos/Pedro_Henrique_Tessarolo.pdf. Acesso em: 12 fev. 2019. [4] MAIMON, Oded; ROKACH, Lior. Data mining and knowledge discovery handbook. 2 ed. New York: Springer, 2005. [5] TAN, Ah-Hwee. Text Mining: The state of the art and the challenges. Singapore: Nanyang Technological University, 1999. Kent Ridge Digital Labs. Disponível em: http://www3.ntu.edu.sg/home/asahtan/papers/tm_pakdd99.pdf. Acesso em: 30 nov. 2018. [6] KRASSMANN, Aliane Loureiro et al. Analyzing trends in academic papers about ubiquitous virtual worlds in education using text mining. International Journal for Innovation Education and Research, Dhaka, p. 167-180, v. 5, abr. 2017. Disponível em: https://ijier.net/index.php/ijier/article/view/650/567. Acesso em: 01 maio 2019. [7] MORAIS, Edison Andrade Martins; AMBRÓSIO, Ana Paula L. Mineração de Textos. Goiânia: Universidade Federal de Goiás, 2007. Disponível em: http://www.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT-INF_005-07.pdf. Acesso em: 21 mar. 2019. [8] MENDONÇA, Jonas Henrique; DRUMMOND, Isabela Neves; SANDRI, Sandra Aparecida. Técnicas Baseadas em Redes Neurais Artificiais e Lógica Difusa para Mineração de Textos. In: 10° Brazilian Congress on Computacional Intelligence, 10, 2011, Fortaleza, CE. Anais [...], Fortaleza: ABRICOM, 201 Disponível em: http://abricom.org.br/wp-content/uploads/2016/03/st_27.5.pdf. Acesso em: 05 abr. 2019. [9] MINGOTI, Sueli Aaparecida. Análise de Dados Através de Métodos de Estatística Multivariada: Uma Aborgadem Aplicada. 2 ed. Belo Horizonte: UFMG, 2013. [10] CARRILHO JUNIOR, João Ribeiro. Desenvolvimento de uma Metodologia para Mineração de Textos. 2007. 96f. Dissertação (Mestrado) – Curso de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2007. Disponível em: https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=11675@ Acesso em: 07 nov. 2018. [11] WIVES, Leandro Krug. Tecnologias de Descoberta de Conhecimento em Textos Aplicadas à Inteligência Competitiva. 2002. 116f. Tese (Doutorado) – Curso de Computação, Instituto de Informática, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2002. Disponível em: https://seer.ufrgs.br/cadernosdeinformatica/article/view/v1n1p25-28. Acesso em: 10 mar. 2019. [12] PATIL, Deepa B.; DONGRE, Yashwant V. A fuzzy approach for text mining. International Journal Mathematical Sciences and Computing, Hong Kong, p. 34-43, nov. 2015. Disponível em: http://www.mecs-press.org/ijmsc/ijmsc-v1-n4/IJMSC-V1-N4-4.pdf. Acesso em: 13 mar. 2019. [13] GOULARTE, Fábio Bif. Método fuzzy para a sumarização automática de texto com base em um modelo extrativo (FSumm). 2015. 119f. Dissertação (Mestrado) – Curso de Ciência da Computação, Universidade Federal de Santa Catarina, Florianópolis, 2015. Disponível em: 14 https://repositorio.ufsc.br/handle/123456789/132756. Acesso em: 12 mar. 2019. [14] DAS, Samarjit. Pattern Recognition using the Fuzzy c-means Technique. International Journal of Energy, Information and Communications, North Carolina, v. 4, n. 1, p. 1-14, fev. 2013. Disponível em: https://www.researchgate.net/publication/303150319_Pattern_Recognition_using_the_Fuzzy_c-means_Technique. Acesso em: 11 fev. 2019. [15] FERREIRA, Rodrigo Nunes. Análise Cluster em Ambiente R: Uma Aplicação dos Algoritmos Fanny, C-means e C-medoids na Classificação dos Municípios Brasileiros Segundo Indicadores de Bem-Estar Social. Cadernos do LESTE. Belo Horizonte, dez. 2013. Artigo Científico, p. 151-176. Disponível em: http://igc.ufmg.br/portaldeperiodicos/index.php/leste/article/view/1137/888. Acesso em: 08 mar. 2019. [16] RODRIGUES, Rodrigo Lins. Estatística Computacional: Análise de Conglomerados. Recife, 2018. Universidade Federal Rural de Pernambuco. Disponível em: https://pt.slideshare.net/rodrigomuribec/aula-6-anlise-de-conglomerados?from_action=save. Acesso em: 26 mar. 2019. [17] HANDL, Julia; KNOWLES, Joshua; KELL, Douglas B. Computational cluster validation in post-genomic data analysis. Journal Bioinformatics, Maryland, v. 21, p. 3201-2212, mai. 2005. Disponível em: https://www.ncbi.nlm.nih.gov/pubmed/1591454 Acesso em: 20 abr. 2019. [18] MALVA, Madalena. Coeficiente de Correlação Ró de Spearman. Viseu, 2007. Escola Superior de Tecnologia, Instituto Politécnico de Viseu. Disponível em: http://www.estgv.ipv.pt/PaginasPessoais/malva/TratamentoEstatistico%20de%20dados/Coeficiente%20de%20Correla%C3%A7%C3%A3o%20R%C3%B3%20de%20Spearman.pdf. Acesso em: 17 abr. 2019. [19] DUNN, J. C. A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact Well-Separated Clusters. Journal of Cybernetics, p. 32-57, 1973. Disponível em: https://www.tandfonline.com/loi/ucbs19. Acesso em: 28 mar. 2019. [20] BEZDEK, James. C. Pattern Recognition with Fuzzy Objective Function Algorithms. 1 ed. New York: Plenum Press, 198 [21] GREKOUSIS, George; FOTIS, Yorgos N. A fuzzy for detecting spatiotemporal outliers. Geoinformatica, p. 597-619, out. 201 Disponível em: https://dl.acm.org/citation.cfm?id=2159278. Acesso em: 10 abr. 2019. [22] PAL, Nikhil R.; BEZDEK, James C. On cluster validity for the fuzzy c-means model. IEEE Transactions on Fuzzy Systems, v. 3, p. 370-379, ago. 1995. Disponível em: https://ieeexplore.ieee.org/document/413225. Acesso em: 30 abr. 2019. [23] YONAMINE, Frank Sussumu et al. Aprendizado não-supervisionado em domínios fuzzy - algoritmo fuzzy c-means. São Carlos: Universidade Federal de São Carlos, 2002. Disponível em: http://www2.dc.ufscar.br/~carmo/relatorios/RT_Fuzzy_Cmeans_Final.PDF. Acesso em: 11 abr. 2019. [24] KRISHNAPURAN, Raghu et. al. Low-complexity fuzzy relational Clustering algorithms for web mining. IEEE Transactions on Fuzzy Systems, v. 9, p. 595-607, ago. 200 Disponível em: https://ieeexplore.ieee.org/document/94097 Acesso em: 07 abr. 2019. 15 [25] KAUFMAN, Leonard; ROUSSEEUW, Peter J. Clustering by Means of Medoids, 1987. Disponível em: https://www.researchgate.net/publication/243777819_Clustering_by_Means_of_Medoids. Acesso em: 03 abr. 2019. [26] KAUFMAN, Leonard; ROUSSEEUW, Peter J. Finding Groups in Data: An Introduction to Cluster Analysis. New York: John Wiley & Sons, 1990. [27] KRISHNAPURAN, Raghu; JOSHI, Anupam; YI, Liyu. A Fuzzy relative of the k-medoids algorithm with application to web document and snippet clustering. In: 1999 IEEE International Fuzzy Systems, 1999, Seoul, South Korea. Proceedings[...], Seoul: IEEE Transactions on Fuzzy Systems, 1999. Disponível em: https://ieeexplore.ieee.org/document/790086. Acesso em: 12 abr. 2019. [28] KRISHNAPURAN, Raghu; KELLER, James M. The Possibilistic C-Means Algorithm: Insights and Recommendations. IEEE Transactions on Fuzzy Systems, v. 4, p. 385-393, ago. 1996. Disponível em: https://ieeexplore.ieee.org/document/531779. Acesso em: 02 mai. 2019. [29] MELO, Gabriel Jesus Alves de. Princípio de Extensão de Zadeh Aplicado a Funções não Monótonas com dois Parâmetros Fuzzy. 2009. 83f. Tese (Doutorado) – Curso de Engenharia de Sistemas (Área de Concentração: Modelagem de Sistemas Biológicos), Universidade Federal de Lavras, Lavras, 2009. Disponível em: http://prpg.ufla.br/_ppg/esistemas//wp-content/uploads/2012/08/3-Dissertacao-Gabriel-J-A-Melo.pdf. Acesso em: 12 mar. 2019.