135
[39] FAYYAD, U.; HAUSSLER, D.; STOLORZ, P. KDD for science data analysis: issues
and examples. In: KNOWLEDGE DISCOVERY AND DATA MINING
CONFERENCE – KDD, 2., 1996. Proceedings… Menlo Park: AAAI, 1996. p. 82-87.
[40] HOLSHEIMER, M.; KERSTEN, M.; MANNILA, H.; TOIVONEN, H. A perspective
on databases and data mining. In: KNOWLEDGE DISCOVERY AND DATA MINING
CONFERENCE – KDD, 1., 1995. Proceedings… Menlo Park: AAAI, 1995. p. 150-
155.
[41] CARVALHO, D. R.; BUENO, M.; NETO, W. A.; LOPES, L. R. Ferramenta de pré e
pós-processamento para data mining. In: SEMINÁRIO DE COMPUTAÇÃO -
SEMINCO, 12., 2003, Blumenau. Anais… [S.l; s.n], 2003. p. 131-139.
[42] LENZERINI, M. Data integration: a theoretical perspective. In: SYMPOSIUM OF
PRINCIPLES OF DATABASE SYSTEMS, 21., 2002, Madison, Wisconsin.
Proceedings… New York: ACM, 2002. p. 223-246.
[43] SARAWAGI, S.; RAISINGHANI, V. T. (Orgs.) Cleaning methods in data
warehouse. [S.l;s.n], 1999. Disponível em:
<http://www.it.iitb.ac.in/~rvijay/seminar/index.html>. Acesso em: 13 abr. 2010.
[44] BOSCARIOLI, C. Pré-processamento de dados para descoberta de conhecimento em
banco de dados: uma visão geral. In: CONGRESSO DE TECNOLOGIAS PARA
GESTÃO DE DADOS E METADADOS DO CONE SUL – CONGED, 3., 2005.
Anais… Guarapuava: Unicentro, 2005. p. 101-120.
[45] BORGES, A. Aram: uma linguagem de programação para o ambiente Virtuosi. 10 f.
Projeto final (Bacharelado em Ciência da Computação) – Pontifícia Universidade
Católica do Paraná, Curitiba, 2004. Disponível em:
<http://www.biblioteca.pucpr.br/tede/tde_arquivos/14/TDE-2006-02-10T095302Z-
276/Publico/ANEXO_B.pdf>. Acesso em: 06 maio 2010.
[46] WIKIPÉDIA. Caractere de escape. [S.l;s.n], 2009. Disponível em:
<http://pt.wikipedia.org/wiki/Caractere_de_escape>. Acesso em: 06 maio 2010.
[47] HE, Z.; XU, X.; DENG, S. A fast greedy algorithm for outlier mining. ArXiv
Computer Science E-prints. Ithaca: Cornell University Library, jul. 2005. Disponível
em: <http://arxiv.org/abs/cs/0507065>. Acesso em: 15 abr. 2010.
[48] FAYYAD, U. M.; IRANI, K. B. On the handling of continuous-valued attributes in
decision tree generation. Machine Learning, Boston, v. 8, n. 1, p. 87-102, Jan. 2005.