Obtenςão de Padrões Temporais de Referência Usando Algoritmos de Agrupamento

Abstract

Em trabalhos anteriores [1] [2], foi investigado o uso de Perceptrons Multicamadas Difusos (PMD) na classificação de padrões de uso do solo cobertura da terra na Amazônia brasileira. A metodologia é promissora para aplicações envolvendo uma grande massa de dados para os quais não existe verdade terrestre/especialista para classificá-los. A maior dificuldade na realização deste tipo de abordagem é a classificação dos padrões que servirão como base de treinamento e teste para a classificação dos demais. Estamos propondo uma abordagem de 3 passos para amenizar o problema: i) primeiramente os dados são transformados, criando-se séries com menos dados (p.ex., seleção de observações ou agregação destas) ou a partir de características secundárias (p.ex. parâmetros de wavelets), visando maior eficiência dos algoritmos de agrupamento, sem perda de qualidade nos resultados, ii) em seguida, é feita a associação entre os agrupamentos e as classes relevantes e iii) finalmente, os dados são filtrados para eliminação de padrões muito dissimilares aos protótipos das classes obtidos pelo agrupamentos (“outliers” em inglês).