APRIMORAMENTO DO AGRUPAMENTO DE FORMAS COM USO DO
BAGGING
Análise de agrupamento. Análise estatística de formas. Procedimento bag-
ging. Validação de agrupamento.
Esta tese investiga o aprimoramento de algoritmos de agrupamento aplicados à Análise Estatística de
Formas (AEF), com foco em dados bidimensionais (2D) e tridimensionais (3D). O agrupamento de formas
geométricas de objetos tem importância significativa em vários campos de estudo, como por exemplo
Biologia, Geologia e Medicina. Consequentemente, vários pesquisadores têm se concentrado no
aprimoramento de algoritmos de agrupamento para análise de formas. Nesse sentido, o presente
trabalho propõe a combinação de algoritmos clássicos de agrupamento baseados em particionamento
com a técnica de reamostragem Bagging, no contexto de clustering ensembles. Os métodos foram
avaliados por meio de experimentos com dados simulados e aplicações em conjuntos de dados reais,
utilizando medidas de validação como Índice de Rand, Índice de Fowlkes-Mallows e Informação Mútua
Normalizada, além do teste de Wilcoxon pareado e uma medida de ganho relativo. Os resultados
mostram que a combinação com Bagging melhora significativamente o desempenho dos algoritmos em
diversos cenários. Verificou-se que os ganhos de desempenho obtidos com o uso do Bagging são
influenciados pelas características dos dados, especialmente pela quantidade de marcos presentes nas
formas analisadas. Além disso, o uso de estratégias de paralelização potencializa a aplicação prática do
Bagging, tornando-o uma abordagem eficaz para aprimorar algoritmos de agrupamento. A tese contribui
com evidências sobre a eficácia do uso de técnicas ensemble em agrupamento de formas, oferecendo
um referencial útil para futuras aplicações em campos de estudo que se baseiam em dados de formas.