Banca de DEFESA: JERFSON BRUNO DO NASCIMENTO HONÓRIO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : JERFSON BRUNO DO NASCIMENTO HONÓRIO
DATA : 17/02/2022
HORA: 14:00
LOCAL: video conferência
TÍTULO:

Classificação Não Supervisionada no Contexto de Tamanho e Forma

PALAVRAS-CHAVES:

Marcos; Teste de hipóteses; K-médias; Boosting; Bagging

PÁGINAS: 80
RESUMO:

A dissertação tem como objetivo propor métodos de classificação não supervisionados no contexto de tamanho e forma considerando imagens bidimensionais (formas planas). Apresentamos novos métodos de classificação baseados em testes de hipóteses e no algoritmo K-médias. Também propomos combinações de algoritmos usando métodos de ensemble: Bagging e Boosting.

Para avaliar os métodos propostos foram analisados dados simulados e dados reais. Com os dados simulados, três cenários foram usados para avaliar o desempenho dos métodos propostos.  Os cenários correspondem a grupos de alta, média e baixa variabilidade. Os resultados numéricos indicaram que para os conjuntos de dados, quando os tamanhos dos centróides se diferenciam, o desempenho dos algoritmos melhora. Além disso, os algoritmos baseados em Boosting e Bagging superam suas versões básicas. Três conjuntos de dados do mundo real são considerados: dados de referência de crânios de grandes macacos; dados de vértebras de camundongos e imagens de ressonância magnética de pessoas com esquizofrenia. Esses conjuntos de dados têm configurações diferentes, como vários pontos de referência e variabilidade. Os métodos K-médias Bagging e K-médias Boosting tem o melhor desempenho nos conjuntos de dados. Por fim, considerando os resultados com dados sintéticos e reais, o k-médias Bagging é escolhido como o melhor método.

MEMBROS DA BANCA:
Interna - 2316539 - FERNANDA DE BASTIANI
Presidente - 2134267 - GETULIO JOSE AMORIM DO AMARAL
Externo à Instituição - LUCIA PEREIRA BARROSO