Desenvolvimento de Nova Técnica de Clusterização de Dados Utilizando o Modelo Dinâmico e Contornos Ativos

• Processo: 07/00222-2
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de fevereiro de 2008
• Data de Término da vigência: 31 de agosto de 2010
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: Fabricio Aparecido Breve
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 02/02681-0 - Chaotic dynamics, AP.TEM
• Assunto(s): Sistemas dinâmicos Reconhecimento de padrões
• Palavra(s)-Chave do Pesquisador: análise de expressão de genes | clusterização de dados | curvas deformáveis | mapa de círculos | sistemas dinâmicos | Reconhecimento de Padrões

Resumo

Clusterização de dados é uma técnica importante em aplicações de análise de padrões, tomada de decisão, aprendizado de máquina, mineração de dados, recuperação de documentos, segmentação de imagens e reconhecimento de padrões. Neste projeto, será focado no desenvolvimento de um novo modelo de clusterização de dados, utilizando o modelo dinâmico e contornos ativos. As vantagens esperadas são: capacidade de identificar formas arbitrárias de clusters, representação hierárquica de clusters, robustez a ruído e robustez na identificação de clusters para dados ambíguos. O modelo será testado com dados artificiais, imagens e aplicado à análise de expressão de genes.

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

BREVE, Fabricio Aparecido. Aprendizado de máquina em redes complexas. 2010. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.