Cluster-CV: uma abordagem de visão computacional para a identificação espacial de agrupamentos de dados
Carregando...
Data
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Artigo de evento
Título alternativo
Primeiro orientador
Membros da banca
Resumo
Este trabalho apresenta uma análise da Matriz de Distâncias
através de Visão Computacional (VC) com o objetivo de identificar o
número k de agrupamentos sobre bases de dados com sobreposição entre
grupos, sendo esta uma abordagem de agrupamento não supervisionado.
Assim, com a Matriz de Distâncias que é obtida de uma métrica de distância aplicada par-a-par no conjunto de dados, são aproveitadas e extraídas informações visuais para identificar de forma individual cada um
dos agrupamentos contidos nos dados. As amostras pertencentes a cada
agrupamento são projetadas em um novo espaço linear, de forma que a
sobreposição e distância de separação entre agrupamentos (clusters) seja
corrigida e aumentada sem perder informação. Os resultados da metodologia aplicada nos experimentos mostram ser promissores, garantindo
agrupamentos de dados sem sobreposição e sem perda de informação.
Abstract
Assunto
Sistemas lineares, Visão por computador
Palavras-chave
Matriz de Distâncias, VC, Agrupamento não supervisionado, Sobreposição, Autovetor, Autovalor, não existe perda de informação ou de amostras na região de sobreposição, porque o método é robusto ao ruído
Citação
Departamento
Curso
Endereço externo
https://sbic.org.br/wp-content/uploads/2018/09/cbic-paper-23.pdf