Análise comparativa de algoritmos de clusterização para reconhecimento de objetos em sistemas de radar automotivo

• Autor(a) principal: Ramos, Daniel Carvalho de
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/30503
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Algorítmos; Cluster (Sistema de computador); Radar; Simulação (Computadores); Algorithms; Cluster analysis - Computer programs; Radar; Computer simulation

A grande dificuldade do ramo automotivo é criar um sistema de navegação seguro e confiável para o veículo autônomo, é algo que envolve muitas etapas entre elas, a fusão de sensores e redes de comunicação veicular para o reconhecimento de objetos, uma alternativa para esse desafio é a utilização de algoritmos de clusterização em sistemas de radares automotivos. O algoritmo de clusterização pode ser definido como uma técnica de Machine Learning que envolve o agrupamento de pontos de dados, e funciona da seguinte maneira, dado um conjunto de pontos de dados, podemos usar um algoritmo de agrupamento para classificar cada ponto de dados em um grupo específico. Em teoria, os pontos de dados que estão no mesmo grupo devem ter propriedades e ou recursos semelhantes, enquanto os pontos de dados em grupos diferentes devem ter propriedades e ou recursos altamente diferentes. O agrupamento é um método de aprendizado não supervisionado e é uma técnica comum para análise de dados estatísticos usada em muitos campos. Existem diversos métodos que foram desenvolvidos para a aplicação da clusterização, dentre eles temos dez métodos principais, o Affinity Propagation, Agglomerative Clustering, BIRCH, DBSCAN, KMeans, MiniBatch KMeans, Mean Shift, OPTICS, Spectral Clustering, Mixture of Gaussians. Nesse trabalho, vamos apresentar uma análise comparativa dos algoritmos de clusterização, para verificarmos, qual tem a maior eficiência para ser utilizado em um sistema de radar automotivo para o reconhecimento de objetos, ponto de extrema importância, para a construção de veículos autônomos.