Classificação não supervisionada no contexto de tamanho e forma
Autor(a) principal: | |
---|---|
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 |