Classificação não supervisionada no contexto de tamanho e forma

Detalhes bibliográficos
Autor(a) principal: HONÓRIO, Jerfson Bruno do Nascimento
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPE
dARK ID: ark:/64986/0013000000f8g
Texto Completo: https://repositorio.ufpe.br/handle/123456789/44679
Resumo: Esta dissertação tem como objetivo propor métodos não supervisionados de classificação para dados de tamanho e forma, considerando imagens bidimensionais (formas planas). Os novos métodos são baseados em testes de hipóteses, algoritmo K-médias e o algoritmo hill climbing. Também propomos as combinações dos algoritmos, com os métodos de ensemble: bagging e boosting. Para os dados simulados, gerados a partir da distribuição normal complexa, propomos três possíveis cenários para avaliar o desempenho dos métodos propostos. Neles, as combinações dos algoritmos foram superiores às suas versões base, sendo o algoritmo bagging hill climbing, o mais poderoso em dois cenários. Ainda pelos resultados numéricos, concluímos que quando os tamanhos dos centroides se diferenciam, o desempenho dos algoritmos me- lhora. Para os conjuntos de dados reais (vértebras torácicas T2 de camundongos,ressonância magnética de pessoas com esquizofrenia e crânio de grandes macacos), os métodos ensembles (bagging e boosting) novamente foram o destaque, sendo sempre superiores às versões base. Finalmente, considerando os dados sintéticos e reais, o bagging hill climbing é escolhido como o melhor método.
id UFPE_81d53e9ec0de80b82324316ddf44c237
oai_identifier_str oai:repositorio.ufpe.br:123456789/44679
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling HONÓRIO, Jerfson Bruno do Nascimentohttp://lattes.cnpq.br/8620522198353132http://lattes.cnpq.br/7674916684282039AMARAL, Getúlio José Amorim do2022-06-08T19:10:55Z2022-06-08T19:10:55Z2022-02-17HONÓRIO, Jerfson Bruno do Nascimento. Classificação não supervisionada no contexto de tamanho e forma. Dissertação (Mestrado em Estatística) - Universidade Federal de Pernambuco, Recife, 2022.https://repositorio.ufpe.br/handle/123456789/44679ark:/64986/0013000000f8gEsta dissertação tem como objetivo propor métodos não supervisionados de classificação para dados de tamanho e forma, considerando imagens bidimensionais (formas planas). Os novos métodos são baseados em testes de hipóteses, algoritmo K-médias e o algoritmo hill climbing. Também propomos as combinações dos algoritmos, com os métodos de ensemble: bagging e boosting. Para os dados simulados, gerados a partir da distribuição normal complexa, propomos três possíveis cenários para avaliar o desempenho dos métodos propostos. Neles, as combinações dos algoritmos foram superiores às suas versões base, sendo o algoritmo bagging hill climbing, o mais poderoso em dois cenários. Ainda pelos resultados numéricos, concluímos que quando os tamanhos dos centroides se diferenciam, o desempenho dos algoritmos me- lhora. Para os conjuntos de dados reais (vértebras torácicas T2 de camundongos,ressonância magnética de pessoas com esquizofrenia e crânio de grandes macacos), os métodos ensembles (bagging e boosting) novamente foram o destaque, sendo sempre superiores às versões base. Finalmente, considerando os dados sintéticos e reais, o bagging hill climbing é escolhido como o melhor método.FACEPEThis master thesis aims to propose unsupervised classification methods for size and shape data, considering two-dimensional images (planar shape). The new methods are based on hy- pothesis testing, K-means algorithm and hill climbing algorithm. We also propose combinations of algorithms, with ensemble methods: bagging and boosting. For the simulated data, gener- ated from the complex normal distribution, we propose three possible scenarios to evaluate the performance of the proposed methods. In them, the combinations of the algorithms were superior to their base versions, with the bagging hill climbing algorithm being the most pow- erful in two scenarios. Also from the numerical results, we conclude that when the centroid sizes are different, the performance of the algorithms improves. For the real data sets (T2 thoracic vertebrae of mice, magnetic resonance imaging of people with schizophrenia and skull of great apes), the ensembles methods were again the highlight, being always superior to the base versions, the bagging and boosting methods achieve the best performance in data sets. Finally, considering the synthetic and real data, bagging hill climbing is chosen as the best method.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em EstatisticaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEstatística aplicadaBaggingBoostingHill climbingk-médiasClassificação não supervisionada no contexto de tamanho e formainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPECC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/44679/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALDISSERTAÇÃO Jerfson Bruno do Nascimento Honório.pdfDISSERTAÇÃO Jerfson Bruno do Nascimento Honório.pdfapplication/pdf1245407https://repositorio.ufpe.br/bitstream/123456789/44679/1/DISSERTA%c3%87%c3%83O%20Jerfson%20Bruno%20do%20Nascimento%20Hon%c3%b3rio.pdf47dea988529a8550f923561db342c9beMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82142https://repositorio.ufpe.br/bitstream/123456789/44679/3/license.txt6928b9260b07fb2755249a5ca9903395MD53TEXTDISSERTAÇÃO Jerfson Bruno do Nascimento Honório.pdf.txtDISSERTAÇÃO Jerfson Bruno do Nascimento Honório.pdf.txtExtracted texttext/plain89916https://repositorio.ufpe.br/bitstream/123456789/44679/4/DISSERTA%c3%87%c3%83O%20Jerfson%20Bruno%20do%20Nascimento%20Hon%c3%b3rio.pdf.txtb5902f9e0e067beb7822c0648bedb81dMD54THUMBNAILDISSERTAÇÃO Jerfson Bruno do Nascimento Honório.pdf.jpgDISSERTAÇÃO Jerfson Bruno do Nascimento Honório.pdf.jpgGenerated Thumbnailimage/jpeg1236https://repositorio.ufpe.br/bitstream/123456789/44679/5/DISSERTA%c3%87%c3%83O%20Jerfson%20Bruno%20do%20Nascimento%20Hon%c3%b3rio.pdf.jpgf14c851a5e5d2a62b4b6e6cce46005c1MD55123456789/446792022-06-09 02:20:31.203oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212022-06-09T05:20:31Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Classificação não supervisionada no contexto de tamanho e forma
title Classificação não supervisionada no contexto de tamanho e forma
spellingShingle Classificação não supervisionada no contexto de tamanho e forma
HONÓRIO, Jerfson Bruno do Nascimento
Estatística aplicada
Bagging
Boosting
Hill climbing
k-médias
title_short Classificação não supervisionada no contexto de tamanho e forma
title_full Classificação não supervisionada no contexto de tamanho e forma
title_fullStr Classificação não supervisionada no contexto de tamanho e forma
title_full_unstemmed Classificação não supervisionada no contexto de tamanho e forma
title_sort Classificação não supervisionada no contexto de tamanho e forma
author HONÓRIO, Jerfson Bruno do Nascimento
author_facet HONÓRIO, Jerfson Bruno do Nascimento
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/8620522198353132
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7674916684282039
dc.contributor.author.fl_str_mv HONÓRIO, Jerfson Bruno do Nascimento
dc.contributor.advisor1.fl_str_mv AMARAL, Getúlio José Amorim do
contributor_str_mv AMARAL, Getúlio José Amorim do
dc.subject.por.fl_str_mv Estatística aplicada
Bagging
Boosting
Hill climbing
k-médias
topic Estatística aplicada
Bagging
Boosting
Hill climbing
k-médias
description Esta dissertação tem como objetivo propor métodos não supervisionados de classificação para dados de tamanho e forma, considerando imagens bidimensionais (formas planas). Os novos métodos são baseados em testes de hipóteses, algoritmo K-médias e o algoritmo hill climbing. Também propomos as combinações dos algoritmos, com os métodos de ensemble: bagging e boosting. Para os dados simulados, gerados a partir da distribuição normal complexa, propomos três possíveis cenários para avaliar o desempenho dos métodos propostos. Neles, as combinações dos algoritmos foram superiores às suas versões base, sendo o algoritmo bagging hill climbing, o mais poderoso em dois cenários. Ainda pelos resultados numéricos, concluímos que quando os tamanhos dos centroides se diferenciam, o desempenho dos algoritmos me- lhora. Para os conjuntos de dados reais (vértebras torácicas T2 de camundongos,ressonância magnética de pessoas com esquizofrenia e crânio de grandes macacos), os métodos ensembles (bagging e boosting) novamente foram o destaque, sendo sempre superiores às versões base. Finalmente, considerando os dados sintéticos e reais, o bagging hill climbing é escolhido como o melhor método.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-06-08T19:10:55Z
dc.date.available.fl_str_mv 2022-06-08T19:10:55Z
dc.date.issued.fl_str_mv 2022-02-17
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv HONÓRIO, Jerfson Bruno do Nascimento. Classificação não supervisionada no contexto de tamanho e forma. Dissertação (Mestrado em Estatística) - Universidade Federal de Pernambuco, Recife, 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/44679
dc.identifier.dark.fl_str_mv ark:/64986/0013000000f8g
identifier_str_mv HONÓRIO, Jerfson Bruno do Nascimento. Classificação não supervisionada no contexto de tamanho e forma. Dissertação (Mestrado em Estatística) - Universidade Federal de Pernambuco, Recife, 2022.
ark:/64986/0013000000f8g
url https://repositorio.ufpe.br/handle/123456789/44679
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Estatistica
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/44679/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/44679/1/DISSERTA%c3%87%c3%83O%20Jerfson%20Bruno%20do%20Nascimento%20Hon%c3%b3rio.pdf
https://repositorio.ufpe.br/bitstream/123456789/44679/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/44679/4/DISSERTA%c3%87%c3%83O%20Jerfson%20Bruno%20do%20Nascimento%20Hon%c3%b3rio.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/44679/5/DISSERTA%c3%87%c3%83O%20Jerfson%20Bruno%20do%20Nascimento%20Hon%c3%b3rio.pdf.jpg
bitstream.checksum.fl_str_mv e39d27027a6cc9cb039ad269a5db8e34
47dea988529a8550f923561db342c9be
6928b9260b07fb2755249a5ca9903395
b5902f9e0e067beb7822c0648bedb81d
f14c851a5e5d2a62b4b6e6cce46005c1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1815172679318110208