Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/202728 |
Resumo: | TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação. |
id |
UFSC_26a1a0784027b01d0baa834f05acec74 |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/202728 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificaçãoTrajetóriasClassificaçãoAlgoritmo genéticoInteligência artificialMoveletsTCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.Com o atual avanço de tecnologias para a coleta de dados de trajetória, tais como GPS e smartphones, temos cada dia uma maior quantidade de dados relacionados à movimentação de pessoas e objetos, e devido ao crescente uso de informações neste contexto, é importante a análise deste conjunto de dados espaço-temporais a fim de agregar valor a estes dados. Neste trabalho, estudou-se um método de seleção de subtrajetórias relevantes chamado Movelets, que procura determinar subtrajetórias frequentes estritamente em uma classe específica. Em trabalhos anteriores, isso foi realizado para determinar a classe a que pertence cada trajetória através de uma busca exaustiva. O objetivo final foi propor e implementar um algoritmo genético que obtivesse acurácia semelhante a busca exaustiva utilizando um menor tempo de processamento. Os resultados obtidos mostram que a implementação proposta conseguiu apresentar bons resultados de acurácia, e de tempo de execução, superando o Movelets em acurácia para 18 dos 30 testes executados e em tempo de execução para grandes datasets, demonstrando que a implementação proposta foi muito bem sucedida.Florianópolis, SCAlvares, Luis Otavio CamposBogorny, VaniaUniversidade Federal de Santa CatarinaKock, Daniel Henrique2019-12-10T22:23:01Z2019-12-10T22:23:01Z2019-11-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis79 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/202728info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2019-12-10T22:23:02Zoai:repositorio.ufsc.br:123456789/202728Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732019-12-10T22:23:02Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação |
title |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação |
spellingShingle |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação Kock, Daniel Henrique Trajetórias Classificação Algoritmo genético Inteligência artificial Movelets |
title_short |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação |
title_full |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação |
title_fullStr |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação |
title_full_unstemmed |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação |
title_sort |
Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação |
author |
Kock, Daniel Henrique |
author_facet |
Kock, Daniel Henrique |
author_role |
author |
dc.contributor.none.fl_str_mv |
Alvares, Luis Otavio Campos Bogorny, Vania Universidade Federal de Santa Catarina |
dc.contributor.author.fl_str_mv |
Kock, Daniel Henrique |
dc.subject.por.fl_str_mv |
Trajetórias Classificação Algoritmo genético Inteligência artificial Movelets |
topic |
Trajetórias Classificação Algoritmo genético Inteligência artificial Movelets |
description |
TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-12-10T22:23:01Z 2019-12-10T22:23:01Z 2019-11-28 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufsc.br/handle/123456789/202728 |
url |
https://repositorio.ufsc.br/handle/123456789/202728 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
79 f. application/pdf |
dc.publisher.none.fl_str_mv |
Florianópolis, SC |
publisher.none.fl_str_mv |
Florianópolis, SC |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808652404743208960 |