MÉTODO DE CLASSIFICAÇÃO NÃO SUPERVISIONADA BASEADO EM CURVAS PRINCIPAIS
ELSON C. C. MORAES1; DANTON D. FERREIRA1
1 Universidade Federal d Lavras
Resumo
- O trabalho apresenta um novo método de agrupamento e classificação de padrões baseado em Curvas Principais (CP). As curvas principais consistem numa generalização não linear da Análise de Componentes Principais (PCA) e são definidas como curvas suaves, unidimensionais, que passam no meio de um conjunto multidimensional de dados, fornecendo uma assinatura unidimensional do mesmo. O algoritmo de extração de CP utilizado foi o k-segmentos não suave (k-seg). O método de agrupamento proposto divide a CP originalmente obtida pelo algoritmo k-seg em duas ou mais curvas, eliminando-se as interligações de maior comprimento entre os segmentos que compõe a CP. O número de interligações eliminadas é feito de acordo com os parâmetros definidos pelo usuário. Em seguida é calculada a distância dos dados às novas CPs e, posteriormente, é feita a rotulação dos dados de acordo com o critério da menor distância (quadrado da distância euclidiana) dos dados às curvas obtidas pelo método. O método foi aplicado às seguintes bases: Espiral dupla, Half-rings, Iris, Diabetes e Wine. Estas bases possuem dimensionalidade e características variadas. Os resultados foram comparados com os algoritmos k-means e o Particle Swarm Optimization (PSO). O método obteve resultados superiores em quatro das cinco bases. Na base Diabetes o resultado foi inferior ao PSO e ao k-means, entretanto, a diferença entre o melhor resultado e o nosso método foi de 6,96% de erro.
Palavras-chave: Reconhecimento de padrões; agrupamento; K-segmentos; curvas principais; k-means; particle swarm optimization