Optimization of the clustering algorithm of the CYGNO experiment

Detalhes bibliográficos
Autor(a) principal: Costa, Igor Abritta
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: eng
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/12364
Resumo: Em geral, a tarefa de agrupar objetos em imagens pode ser simples e vários algoritmos foram desenvolvidos para esse fim. No entanto, o desempenho de tais algoritmos precisa ser entendido nos ambientes específicos da aplicação e, adicionamente, quando se trata de identificação de eventos raros, com baixa relação sinal-ruído, torna-se ainda mais necessário o estudo e, eventualmente, a otimização desses algoritmos considerando as particularidades do problema enfrentado, como no caso do experimento CYGNO que está desenvolvendo um novo sistema de detecção de partículas baseado em TPC com uma Triple-GEM acoplada a um sensor CMOS de baixo ruído e alta resolução espacial. Neste contexto, dois dos algoritmos de agrupamento mais citados na literatura científica conhecidos como Density-Based Spatial Clustering of Applications with Noise (DBSCAN) e Nearest Neighbor Clustering (NNC) foram avaliados no ambiente do CYGNO. Fazendo-se uso deste estudo, este trabalho de tese oferece uma proposta de adaptação do algoritmo do DBSCAN, denominada intensidade-DBSCAN (iDBSCAN), e faz um estudo comparativo entre os métodos estudados. Uma descrição do algoritmo iDBSCAN, incluindo teste e validação de seus parâmetros, e uma comparação com o próprio DBSCAN e o NNC utilizando-se de dados adquiridos com um dos protótipos do detector CYGNO serão apresentadas. Os resultados mostram que a versão adaptada do DBSCAN é capaz de fornecer eficiência de detecção similar aos algoritmos clássicos avaliados e, ao mesmo tempo, melhorar a resolução de energia e a rejeição de fundo do detector.
id UFJF_ee9ed30eb96a563b7d9f44e98e7d8486
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/12364
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling Nóbrega, Rafael Antuneshttp://lattes.cnpq.br/9217577296048418Pinci, Davidehttp://lattes.cnpq.br/Kemp, Ernestohttp://lattes.cnpq.br/6158036609486608Silva, Leandro Rodrigues Mansohttp://lattes.cnpq.br/1421239770201461Mazzitelli, Giovannihttp://lattes.cnpq.br/Cerqueira, Augusto Santiagohttp://lattes.cnpq.br/http://lattes.cnpq.br/0457548532296002Costa, Igor Abritta2021-02-23T16:24:29Z2021-02-232021-02-23T16:24:29Z2020-11-16https://repositorio.ufjf.br/jspui/handle/ufjf/12364Em geral, a tarefa de agrupar objetos em imagens pode ser simples e vários algoritmos foram desenvolvidos para esse fim. No entanto, o desempenho de tais algoritmos precisa ser entendido nos ambientes específicos da aplicação e, adicionamente, quando se trata de identificação de eventos raros, com baixa relação sinal-ruído, torna-se ainda mais necessário o estudo e, eventualmente, a otimização desses algoritmos considerando as particularidades do problema enfrentado, como no caso do experimento CYGNO que está desenvolvendo um novo sistema de detecção de partículas baseado em TPC com uma Triple-GEM acoplada a um sensor CMOS de baixo ruído e alta resolução espacial. Neste contexto, dois dos algoritmos de agrupamento mais citados na literatura científica conhecidos como Density-Based Spatial Clustering of Applications with Noise (DBSCAN) e Nearest Neighbor Clustering (NNC) foram avaliados no ambiente do CYGNO. Fazendo-se uso deste estudo, este trabalho de tese oferece uma proposta de adaptação do algoritmo do DBSCAN, denominada intensidade-DBSCAN (iDBSCAN), e faz um estudo comparativo entre os métodos estudados. Uma descrição do algoritmo iDBSCAN, incluindo teste e validação de seus parâmetros, e uma comparação com o próprio DBSCAN e o NNC utilizando-se de dados adquiridos com um dos protótipos do detector CYGNO serão apresentadas. Os resultados mostram que a versão adaptada do DBSCAN é capaz de fornecer eficiência de detecção similar aos algoritmos clássicos avaliados e, ao mesmo tempo, melhorar a resolução de energia e a rejeição de fundo do detector.In general, the task of clustering objects in images might be simple and several algorithms have been developed for this purpose. However, the performance of such algorithms needs to be understood in the specific environments of the application and, additionally, when it comes to the identification of rare events, with low signal-to-noise ratio, it becomes even more necessary to study and, eventually, optimization of these algorithms considering the particularities of the problem faced, as in the case of the CYGNO experiment that is developing a new detection system based on a TPC Triple GEM detector coupled to a low noise and high spatial resolution CMOS sensor. In this context, two of the most commonly mentioned clustering algorithms in the scientific literature known as Density-Based Spatial Clustering of Applications with Noise (DBSCAN) and Nearest Neighbor Clustering (NNC) were evaluated in the CYGNO environment. Using this study, this thesis work offers a proposal to adapt the DBSCAN algorithm, called intensity-DBSCAN (iDBSCAN), and makes a comparative study between the methods studied. A description of the iDBSCAN algorithm, including testing and validating its parameters, and a comparison with the DBSCAN itself and the NNC using data acquired with one of the CYGNO detector prototypes will be presented. The achieved results show that the adapted version of DBSCAN is capable of providing a detection efficiency as good as those obtained with the classical algorithms and, at the same time, improve the energy resolution and background rejection of the detectorengUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia ElétricaUFJFBrasilFaculdade de EngenhariaAttribution 3.0 Brazilhttp://creativecommons.org/licenses/by/3.0/br/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAProcessamento de imagensDBSCANAnalise de imagesExperimento de física de partículasPreprocessingImage analysisDBSCANParticle physics experimentOptimization of the clustering algorithm of the CYGNO experimentinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFORIGINALigorabrittacosta.pdfigorabrittacosta.pdfPDF/Aapplication/pdf17530777https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/1/igorabrittacosta.pdf9fd8adec66471656f0bd61f02623e754MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/2/license_rdf4d2950bda3d176f570a9f8b328dfbbefMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTigorabrittacosta.pdf.txtigorabrittacosta.pdf.txtExtracted texttext/plain107732https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/4/igorabrittacosta.pdf.txt5d5bf26cbf4bbad502ba866d7076c95cMD54THUMBNAILigorabrittacosta.pdf.jpgigorabrittacosta.pdf.jpgGenerated Thumbnailimage/jpeg1147https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/5/igorabrittacosta.pdf.jpgd5df06debdf5fd21d254b8c7a92c71f3MD55ufjf/123642021-02-24 03:09:01.491oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2021-02-24T06:09:01Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Optimization of the clustering algorithm of the CYGNO experiment
title Optimization of the clustering algorithm of the CYGNO experiment
spellingShingle Optimization of the clustering algorithm of the CYGNO experiment
Costa, Igor Abritta
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Processamento de imagens
DBSCAN
Analise de images
Experimento de física de partículas
Preprocessing
Image analysis
DBSCAN
Particle physics experiment
title_short Optimization of the clustering algorithm of the CYGNO experiment
title_full Optimization of the clustering algorithm of the CYGNO experiment
title_fullStr Optimization of the clustering algorithm of the CYGNO experiment
title_full_unstemmed Optimization of the clustering algorithm of the CYGNO experiment
title_sort Optimization of the clustering algorithm of the CYGNO experiment
author Costa, Igor Abritta
author_facet Costa, Igor Abritta
author_role author
dc.contributor.advisor1.fl_str_mv Nóbrega, Rafael Antunes
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/9217577296048418
dc.contributor.advisor-co1.fl_str_mv Pinci, Davide
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/
dc.contributor.referee1.fl_str_mv Kemp, Ernesto
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/6158036609486608
dc.contributor.referee2.fl_str_mv Silva, Leandro Rodrigues Manso
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/1421239770201461
dc.contributor.referee3.fl_str_mv Mazzitelli, Giovanni
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/
dc.contributor.referee4.fl_str_mv Cerqueira, Augusto Santiago
dc.contributor.referee4Lattes.fl_str_mv http://lattes.cnpq.br/
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/0457548532296002
dc.contributor.author.fl_str_mv Costa, Igor Abritta
contributor_str_mv Nóbrega, Rafael Antunes
Pinci, Davide
Kemp, Ernesto
Silva, Leandro Rodrigues Manso
Mazzitelli, Giovanni
Cerqueira, Augusto Santiago
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Processamento de imagens
DBSCAN
Analise de images
Experimento de física de partículas
Preprocessing
Image analysis
DBSCAN
Particle physics experiment
dc.subject.por.fl_str_mv Processamento de imagens
DBSCAN
Analise de images
Experimento de física de partículas
Preprocessing
Image analysis
DBSCAN
Particle physics experiment
description Em geral, a tarefa de agrupar objetos em imagens pode ser simples e vários algoritmos foram desenvolvidos para esse fim. No entanto, o desempenho de tais algoritmos precisa ser entendido nos ambientes específicos da aplicação e, adicionamente, quando se trata de identificação de eventos raros, com baixa relação sinal-ruído, torna-se ainda mais necessário o estudo e, eventualmente, a otimização desses algoritmos considerando as particularidades do problema enfrentado, como no caso do experimento CYGNO que está desenvolvendo um novo sistema de detecção de partículas baseado em TPC com uma Triple-GEM acoplada a um sensor CMOS de baixo ruído e alta resolução espacial. Neste contexto, dois dos algoritmos de agrupamento mais citados na literatura científica conhecidos como Density-Based Spatial Clustering of Applications with Noise (DBSCAN) e Nearest Neighbor Clustering (NNC) foram avaliados no ambiente do CYGNO. Fazendo-se uso deste estudo, este trabalho de tese oferece uma proposta de adaptação do algoritmo do DBSCAN, denominada intensidade-DBSCAN (iDBSCAN), e faz um estudo comparativo entre os métodos estudados. Uma descrição do algoritmo iDBSCAN, incluindo teste e validação de seus parâmetros, e uma comparação com o próprio DBSCAN e o NNC utilizando-se de dados adquiridos com um dos protótipos do detector CYGNO serão apresentadas. Os resultados mostram que a versão adaptada do DBSCAN é capaz de fornecer eficiência de detecção similar aos algoritmos clássicos avaliados e, ao mesmo tempo, melhorar a resolução de energia e a rejeição de fundo do detector.
publishDate 2020
dc.date.issued.fl_str_mv 2020-11-16
dc.date.accessioned.fl_str_mv 2021-02-23T16:24:29Z
dc.date.available.fl_str_mv 2021-02-23
2021-02-23T16:24:29Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufjf.br/jspui/handle/ufjf/12364
url https://repositorio.ufjf.br/jspui/handle/ufjf/12364
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv Attribution 3.0 Brazil
http://creativecommons.org/licenses/by/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution 3.0 Brazil
http://creativecommons.org/licenses/by/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Engenharia Elétrica
dc.publisher.initials.fl_str_mv UFJF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Faculdade de Engenharia
publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/1/igorabrittacosta.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/2/license_rdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/3/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/4/igorabrittacosta.pdf.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12364/5/igorabrittacosta.pdf.jpg
bitstream.checksum.fl_str_mv 9fd8adec66471656f0bd61f02623e754
4d2950bda3d176f570a9f8b328dfbbef
8a4605be74aa9ea9d79846c1fba20a33
5d5bf26cbf4bbad502ba866d7076c95c
d5df06debdf5fd21d254b8c7a92c71f3
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1813193875973472256