ADRIAANS, Pieter; ZANTINGE, Dolf. Data Mining. Harlow, Inglaterra: Addison-Wesley, 1996. 158 p.
ALMEIDA, Fernando C. Desvendando o uso de redes neurais em problemas de
administração de empresas. RAE, São Paulo, v. 35, n. 1, p. 46-55, Jan./Fev. 1995.
ANATEL. Plano Geral de Outorgas. Brasília, 1998. Disponível em: < www.anatel.gov.br/ biblioteca/planos/planogeraloutorgas.pdf >
______ Relatório de Acompanhamento das Perspectivas para Ampliação e
Modernização do Setor de Telecomunicações - PASTE 2000/2005. Brasília, 2000.
Disponível em: < http://www.anatel.gov.br/Universalizacao/relatorios/paste.htm?Cod=1979>
______ Indicadores do Plano Geral de Metas de Universalização. Disponível em: <http://www.anatel.gov.br/index.asp?link=/Telefonia_Fixa/stfc/indicadores_pgmu/2006/ tabela.htm>. Acesso em: 15/05/2006.
BATISTA, Gustavo E. Pré-processamento de Dados em Aprendizado de Máquina
Supervisionado. 2003. 232 f. Tese (Doutorado em Ciências - Ciências de Computação e
Matemática Computacional) - Instituto de Ciências Matemáticas e de Computação, USP, São Carlos, 2003.
BARANAUSKAS, José Augusto; MONARD, Maria Carolina (1998). Metodologias para a
Seleção de Atributos Relevantes. Disponível em: <http://www.fmrp.usp.br/augusto/
publications/1998-sbia.pdf>. Acesso em 04/06/2006.
139 BLOEDORN, Eric; MICHALSKI, Ryszard S (1998). Data-Driven Construtive Induction. IEEE Intelligent Systems 13 (2), 30–37. Disponível em <http://www-ai.cs.uni-dortmund.de/ dokumente/bloedorn_michalski_98a.pdf>. Acesso em 04/06/2006.
140 BNDES. As telecomunicações no mundo. Cadernos de Infra-Estrutura, v. 14, 2000, 76 p. Disponível em: <http://www.bndes.gov.br/conhecimento/cadernos>. Acesso em: 25/04/2006.
BISHOP, Christopher M. Neural Networks for Pattern Recognition. Oxford, Inglaterra: Oxford UK University Press, 1995. 500 p.
BRAGA, Bruno da Rocha; ALMEIDA, José Nogueira; MATTOSO, Fernanda Baião.
DSMiner: Data Mining de Modelos de Detecção de Intrusão. 2004. Disponível em
<http://clusterminer.nacad.ufrj.br/TechReport/RT06.pdf>.
BRAZDIL, Pavel B. Construção de Modelos de Decisão a partir de Dados. 1999. Disponível em < http://www.liacc.up.pt/~pbrazdil/Ensino/ML /DecTrees.html>. Acesso em: 20/06/2006.
BRETZKE, Miriam. Marketing de Relacionamento e competição em tempo real com
CRM (Costumer Relationship Management). São Paulo: Atlas, 2000. 224 p.
CABENA, Peter et al. Discovering Data Mining – From Concept to Implementation. New Jersey, EUA: Prentice Hall PTR, 1997. 195 p.
CARVALHO, Luis Alfredo V. A Mineração de Dados no Marketing, Medicina,
Economia, Engenharia e Administração. São Paulo: Érica, 2002. 242 p.
CHEN, Liren; SYCARA, Katia. WebMate: A Personal Agent for Browsing and
Searching. Pittsburgh, EUA: Carnegie Mellon University, 1997. Disponível em
<http://citeseer.ist.psu.edu/cache/papers/cs/9176/http:zSzzSzwww.cs.cmu.eduzSz~softagentsz SzpaperszSzaa98-webmate.pdf/chen97webmate.pdf >
CHENG, Jie; GREINER, Russell. Learning Bayesian Belief Network Classifiers:
Algorithms and System. Edmonton, Canadá: Department of Computing Science, University
Alberta, 1999. Disponível em < www.cs.ualberta.ca/~jcheng/Doc/cscsi.pdf >. Acesso em 31/07/2006.
CIOS, Krzysztof; PEDRYCZ, Witold; SWINIARSKI, Roman. Data Mining Methods for
141 CISTER, Angelo Maia. Mineração de Dados para a Análise de Atrito em Telefonia
Móvel. 2005. 158 f. Tese (Doutorado em Engenharia Civil) - Faculdade de Engenharia Civil,
Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2005.
COUTINHO, Fernando V. Data Mining. Disponível em <http://www.dwbrasil.com.br/ html/dmining.html>. Brasília, 2003. Acesso em 17/06/2006.
CRISP. CRISP-DM - Cross Industry Standard Process for Data Mining, 2000. Disponível em: <http://www.crisp-dm.org/index.htm>. Acesso em: 19/06/2006.
DIETTERICH, Thomas G.; Machine Learning Research: Four Current Directions. Draft of May 23, 1997, Oregon State University. Disponível em < http://scholar.google.com/url?sa =U&q=http://www-cse.uta.edu/~holder/courses/cse6363/lectures/dietterich.ps.gz>. Acesso em: 04/05/2006.
DIN - Departamento de Informática - UEM - Universidade Estadual de Maringá. GSI - Grupo de Sistemas Inteligentes - Mineração de Dados, 1998. Disponível em: <http://www.din.uem.br/ia/mineracao/tecnologia/ferramentas.html> Acesso em: 15/07/2006.
DOUGHERTY, J., KOHAVI, R., SAHAMI, M. Supervised and Unsupervised
Discretization of Continuous Features. In A. Priedits & S. Russell (Eds.), XII International
Conference in Machine Learning. San Francisco, EUA: Morgan Kaufmann Publishers Inc., 2005.
DUDA, Richard. O.; HART Peter. E.; STORK, David. G. Pattern Classification. 2. ed. New York, EUA: John Wiley Professio, 2000. 654 p.
FAYYAD, Usama M.; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. Advances in
Knowledge Discovery and Data Mining. Menlo Park, EUA: AAAI Press, 1996. 611 p.
FERNANDES, Marcelo A. C.; NETO, Adrião D. D.; BEZERRA, João B. Aplicação das Redes RBF na Deteção Inteligente de Sinais Digitais. IV Congresso Brasileiro de Redes
142 FERREIRA, Jorge B., Mineração de Dados na Retenção de Clientes em Telefonia
Celular. 2005. 93 f. Dissertação (Mestrado em Engenharia Elétrica) - Faculdade de
Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2005.
FIGUEIRA, Rafael. Mineração de dados e bancos de dados orientados a objetos. 1998. 96f. Dissertação (Mestrado em Ciência da Computação) - Faculdade de Ciências da Computação, Universidade Federal do Rio de Janeiro, 1998.
FRIEDMAN, Nir; GEIGER, Dan; GOLDSZMIDT, Moises. Bayesian Network Classifiers. Boston, EUA: Kluwer Academic, 1997.
GARCIA, Simone C. O uso de árvores de decisão na descoberta de conhecimento na área
da saúde. 2000. Disponível em < http://www.inf.ufrgs.br/pos/ SemanaAcademica/
Semana2000/SimoneGarcia/>. Acesso em 22/07/2006.
GONÇALVES, Lóren Pinto Ferreira. Avaliação de Ferramentas de Mineração de Dados
como fonte de dados relevantes para a tomada de decisão. 2001. 104 f. Dissertação
(Mestrado em Administração) – Escola de Administração, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2001.
HAN, Jiawei; KAMBER, Micheline. Data Mining Concepts and Techniques. San Francisco, EUA: Morgan Kaufmann, 2001. 550 p.
HASSOUN, Mohamad H. Fundamentals of artificial neural networks. Cambridge, EUA: MIT Press, 1995. 511 p.
HAYKIN, Simon S. Neural Networks – A Comprehensive Foundation. 2. ed. New Jersey, EUA: Prentice Hall, 1998. 842 p.
______ Adaptive Filter Theory. 4. ed. New Jersey, EUA: Prentice Hall, 2001. 936 p.
HECKERMAN, David. A Tutorial on Learning Bayesian Networks. Redmond, EUA: Microsoft Corporation, 1995. 58 p. Disponível por FTP anônimo em <ftp://ftp.research.microsoft.com/pub/tr/tr-95-06.pdf>. Acesso em: 10/08/2006.
143 HOLSHEIMER, Marcel; SIEBES, Arno. Data Mining: the search for knowledge in
databases. 1994. Disponível por FTP anônimo em ftp.cwi.nl no arquivo
/pub/CWIreports/AA/CS-R9406.ps.Z, 1994.
HRUSCHKA, Estevam R.; TEIXEIRA, W. Propagação de Crença em Redes Bayesianas. Brasília: UnB, 1997 (Relatório de Pesquisa CIC/UNB – 02/97).
INGARGIOLA, Giorgio. Building Classification Models: ID3 and C4.5. 1996. Disponível em <http://www.cis.temple.edu/~ingargio/cis587/readings/id3-c45.html>. Acesso em: 22/07/2006.
JAGOTA, Arun. The Radial Basis Function Network. 1998. Disponível em <http://neuron- ai.tuke.sk/NCS/VOL1/P3_html/node37.html>. Acesso em 18/07/2006.
JOHN, George H. Enhancements to the Data Mining Process. Stanford, EUA: Stanford University, 1997. Ph.D. Dissertation.
JOHNSON, Richard. A. Applied Multivariate Statistical Analysis. 4. ed. Upper Saddle River, EUA: Prentice Hall, 1998. 816 p.
KANTARDZIC, Mehmed M.; ZURADA, Jozef (Org.). Next Generation of Data-Mining
Applications. New Jersey, EUA: IEEE Press, 2005. 674 p.
KICKINGER, Flávia C.; PEREIRA, Livia F.; FIGUEIREDO, Renata A. O Modelo de Cinco Forças Aplicado ao Setor de Telefonia Celular no Brasil. Cadernos Discentes COPPEAD, n.
10, Rio de Janeiro, 2001. Disponível em <http://www.univercidade.br/HTML/cursos/
graduacao/admin/ensino/pdf2003/AnaliseIndustriaKubota_2003.pdf>.Acesso em 03/08/2006.
KLÖSGEN, Willi (Org.). Handbook of Data Mining and Knowledge Discovery. New York, EUA: Oxford University Press, 2002. 1026 p.
KOTLER, Philip. Marketing para o Século XXI: Como criar, conquistar e dominar
144 KRÖSE, Ben; SMAGT, Patrick. An Introduction to Neural Networks. Amsterdam, University of Amsterdam, 1996. Disponível em: <http://www.avaye.com/files/articles/ nnintro/nn_intro.pdf>. Acesso em: 10/07/2006.
LEMOS, Eliane P. Análise de Crédito Bancário com o uso de Data Mining: Redes
Neurais e Árvores de Decisão. 2003. 147 f. Dissertação (Mestrado em Ciências) – Programa
de Pós-Graduação em Métodos Numéricos em Engenharia, Área de Concentração em Programação Matemática, Universidade Federal do Paraná, Curitiba, 2003.
MATTISON, Rob. The Telco Churn Management Handbook. McHenry County, EUA: Lulu Press Inc., 2001. 392 p.
MEDEIROS, José S. Bancos de Dados Geográficos e Redes Neurais Artificiais:
Tecnologias de Apoio à Gestão de Território. 1999. 236 f. Tese (Doutorado em Geografia
Física) – Departamento de Geografia da Faculdade de Ciências Humanas, Universidade de São Paulo, São Paulo, 1999.
MELLO, Luis Cesar. Um Assistente de Feedback para o Serviço de Filtragem do
Software Direto. 2002. 115 f. Dissertação (Mestrado em Ciências da Computação) –
Programa de Pós-Graduação em Computação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2002.
MICHIE, Donald; SPIEGELHALTER, David J.; TAYLOR, Charles C. (Org.). Machine
Learning, Neural, and Statistical Classification. New York, EUA: Ellis Horwood, 1994.
289 pp.
MOZER, Michael C.; WOLNIEWICZ, Richard; GRIMES, David B.; JOHNSON, Eric; KAUSHANSKY, Howard. Predicting Subscriber Dissatisfaction and Improving Retention in the Wireless Telecommunications Industry. IEEE Transactions on Neural Networks -
Special issue on Data Mining and Knowledge Representation. Boulder, 2000. Disponível
145 NOGUEIRA, Carlos Fernando. Metodologia de valorização de clientes, utilizando
mineração de dados. 2004. 272 f. Tese (Doutorado em Ciências em Engenharia Civil) –
Faculdade de Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2004.
OLIVEIRA, Djalma de Pinho Rebouças. Sistemas de informações gerenciais: estratégicas,
táticas operacionais. 4ª ed. São Paulo: Atlas, 1997. 288 p.
PEARL, Judea. Probabilistic Reasoning in Intelligent Systems. San Mateo, EUA: Morgan Kaufman, 1988. 552 p.
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL. Biblioteca Central Ir. José Otão. Orientações para apresentação de citações em documentos segundo
NBR 10520. Disponível em: http://www.pucrs.br/biblioteca/citacoes.htm>. Acesso em:
25/04/2006.
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL. Biblioteca Central Ir. José Otão. Modelo de Referências Elaborado pela Biblioteca Central Irmão
José Otão. Disponível em: <http://www.pucrs.br/biblioteca/modelo.htm>. Acesso em:
25/04/2006.
QUINLAN, J. R. Induction of decision trees. Machine Learning. Boston, EUA: Kluwer Academic Publishers, 1986.
SIAS, César C. O Desempenho dos Atributos de Qualidade em Serviços de Conectividade
de Redes: o Caso de uma Operadora de Telecomunicações. 2005. 124 f. Dissertação
(Mestrado Profissionalizante em Engenharia de Produção) – Escola de Engenharia, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2005.
SILVA, Rafael E. Redes Neurais Artificiais MLP´s (Multi Layer Perceptron) versus RBF´s
(Radial Basis Function) em uma aplicação. Porto Alegre, 2003. Disponível em: <http://www.inf.ufrgs.br/procpar/disc/cmp135/trabs/rafael/T2/MLPxRBFrevisado.htm>.
146 SOARES, Silviane L. Aplicação de técnicas de Mineração de Dados na Gestão de
Sistemas de Energia Elétrica. 2005. 106 f. Dissertação (Mestrado em Engenharia Elétrica) –
Programa de Pós-Graduação em Engenharia Elétrica, Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 2005.
TAFNER, M. A. Redes Neurais Artificiais: Aprendizado e Plasticidade. Revista Cérebro &
Mente, mar./mai. 1998. Disponível em: <http://www.cerebromente.org.br/n05/
tecnologia/plasticidade2.html >. Acesso em: 25/07/2006.
WEISS, Sholom M.; INDURKHYA, Nitin. Predictive Data Mining – a practical guide. San Francisco, EUA: Morgan Kaufmann Publishers Inc., 1998. 230 p.
WITTEN, Ian H.; FRANK Eib. Data Mining. Practical Machine Learning Tools and
Techniques with Java Implementations. San Francisco, EUA: Morgan Kaufmann
Publishers Inc., 2000. 376 p.
YU, Lei; LIU, Huan. Feature Selection for High-Dimensional Data: A Fast Correlation-
Based Filter Solution. In: Proceedings of the Twentieth International Conference on
Machine Learning, 856-863, 2003. Disponível em: <http://www.hpl.hp.com/conferences /icml2003/papers/144.pdf>. Acesso em: 30/08/2006.
ANEXO 01
FUNÇÃO (PROCEDURE) PRINCIPAL DO SISTEMA DE