Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação

Detalhes bibliográficos
Autor(a) principal: Kock, Daniel Henrique
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

Registros relacionados