Classificação de Fluxos de Dados com Algoritmos Incrementais aplicado a Sensores Inteligentes üü

• Processo: 13/16130-0
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2013
• Data de Término da vigência: 28 de fevereiro de 2015
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Gustavo Enrique de Almeida Prado Alves Batista
• Beneficiário: Luan Soares Oliveira
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Sensores inteligentes Aprendizado computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Algoritmos Incrementais | Aprendizado de Máquina | Classificação de Fluxo de Dados | Sensores inteligentes | Inteligência Artificial

Resumo

Apesar da importância biológica, os insetos sempre representaram uma ameaça para o ser humano, tanto no âmbito agrícola, ameaçando lavouras, quanto na saúde, sendo agentes transmissores de diversas doenças. O controle destes insetos geralmente é feito com auxílio de substâncias que, muitas vezes, são nocivas ao ser humano e/ou ao ambiente. Com o avanço na área de mineração de dados surgem alternativas a estes métodos tradicionais, como o uso de sensores inteligentes capazes de coletar informações sobre o ambiente e agir sobre este baseando-se nos dados de entrada. Tendo este cenário em mente, o presente projeto visa analisar a eficiência e eficácia de métodos de classificação incrementais, focando-se no Modelo de Mistura de Gaussianas, para classificação de fluxos de dados e, através dos resultados obtidos, ponderar sua aplicação nos sensores inteligentes para classificação de insetos.

Publicações acadêmicas

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

OLIVEIRA, Luan Soares. Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas. 2015. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.