Análise comparativa de métodos de clusterização em dados geoespaciais
Saved in:
| Main Author: | |
|---|---|
| Publication Date: | 2024 |
| Format: | Bachelor thesis |
| Language: | por |
| Source: | Repositório Institucional da UPF |
| Download full: | https://repositorio.upf.br/handle/123456789/7508 |
Summary: | This study presents a comparative analysis of clustering methods applied to geospatial data from municipalities in Rio Grande do Sul, focusing on the performance and representativeness of the resulting groups. The evaluated methods include K-means, Weighted K-means, Agglomerative Clustering, and DBSCAN, using geographic and population data. The methodology incorporated fi xed centroids, inspired by Aline Gomes's thesis, to align automatic methods with regional contexts. Results showed that K-means and Weighted K-means outperformed in terms of cluster cohesion and separation, particularly in densely populated regions. Conversely, DBSCAN was eff ective in detecting outliers but faced challenges when adapted to fi xed centroids. The analysis emphasized that integrating automatic methods with manual adjustments can off er more eff ective hybrid solutions, combining mathematical effi ciency with qualitative sensitivity. This study contributes to enhancing clustering techniques in geospatial analyses, providing valuable insights for public policy and regional planning. |
Similar Items: Análise comparativa de métodos de clusterização em dados geoespaciais
- Detecção de tráfego anômalo de rede utilizando clusterização em Big Data
- Clusterização de dados georreferenciados utilizando métodos de machine learning
- Análise tensorial para prevenção de falsificações em sistemas de reconhecimento facial : uma proposta baseada em clusterização
- Sistema de localização de facilidades: uma abordagem para mensuração de pontos de demanda e localização de facilidades
- Clusterização espacial e não espacial : um estudo aplicado à agropecuária brasileira
- Implementação de um algoritmo evolucionário multiobjetivo para clustering de dados complexos
