Busca avançada
Ano de início
Entree

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

Processo: 07/00222-2
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de fevereiro de 2008
Vigência (Término): 31 de agosto de 2010
Área do 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

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.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

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.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.