Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Torres, Helainy Ignacio de Almeida
 |
| Orientador(a): |
Cruz, Marcelo Dib
|
| Banca de defesa: |
Cruz, Marcelo Dib
,
Vera-Tudela, Carlos Andrés Reyna
,
França, Juliana Baptista dos Santos
|
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal Rural do Rio de Janeiro
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Modelagem Matemática e Computacional
|
| Departamento: |
Instituto de Ciências Exatas
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://rima.ufrrj.br/jspui/handle/20.500.14407/15771
|
Resumo: |
Machine learning (Aprendizado de Máquina) ganhou destaque por ser uma área da inteligên- cia artificial que permite que algoritmos tomem decisões através do conhecimento extraído de amostras de dados. Uma das áreas de Machine Learning são os algoritmos de classificação, que se baseiam em prever a classe de uma observação dada. Existem vários métodos na literatura, que resolvem problemas de classificação como Rede Neural, SVM, KNN entre outros. Uma das semelhanças entre eles é utilizar a métrica euclidiana para determinar erros e aproxima- ções. Nesse trabalho propomos construir um algoritmo baseado no KNN utilizando a métrica riemanniana para o problema de classificação de imagens. Os bancos de imagens utilizados durante a pesquisa são de imagens médicas e cada imagem será representada como uma matriz de covariância. O método proposto foi comparado com o KNN clássico que utiliza a métrica euclidiana e em todosos testes realizados se mostrou superior, apesar da qualidade das imagem, demonstrando que a técnica tem muito a oferecer. |
