• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.3.2010.tde-10012011-085835
Document
Auteur
Nom complet
Bruna Elisa Zanchetta Buani
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2010
Directeur
Jury
Hirakawa, André Riyuiti (Président)
Corrêa, Pedro Luiz Pizzigatti
Francoy, Tiago Mauricio
Titre en portugais
Aplicação da Lógica Fuzzy kNN e análises estatísticas para seleção de características e classificação de abelhas.
Mots-clés en portugais
Abelhas
Classificação
Lógica Fuzzy
Reconhecimento de padrões
Resumé en portugais
Este trabalho propõe uma alternativa para o problema de classificação de espécies de abelhas a partir da implementação de um algoritmo com base na Morfométria Geométrica e estudo das Formas dos marcos anatômicos das imagens obtidas pelas asas das abelhas. O algoritmo implementado para este propósito se baseia no algoritmo dos k-Vizinho mais Próximos (do inglês, kNN) e na Lógica Fuzzy kNN (Fuzzy k-Nearest Neighbor) aplicados a dados analisados e selecionados de pontos bidimensionais referentes as características geradas por marcos anatômicos. O estudo apresentado envolve métodos de seleção e ordenação de marcos anatômicos para a utilização no algoritmo por meio da implementação de um método matemático que utiliza o calculo dos marcos anatômicos mais significativos (que são representados por marcos matemáticos) e a formulação da Ordem de Significância onde cada elemento representa variáveis de entrada para a Fuzzy kNN. O conhecimento envolvido neste trabalho inclui uma perspectiva sobre a seleção de características não supervisionada como agrupamentos e mineração de dados, analise de pré-processamento dos dados, abordagens estatísticas para estimação e predição, estudo da Forma, Analise de Procrustes e Morfométria Geométrica sobre os dados e o tópico principal que envolve uma modificação do algoritmo dos k- Vizinhos mais Próximos e a aplicação da Fuzzy kNN para o problema. Os resultados mostram que a classificação entre amostras de abelhas no seu próprio grupo apresentam acuracia de 90%, dependendo da espécie. As classificações realizadas entre as espécies de abelhas alcançaram acuracia de 97%.
Titre en anglais
Application of Fuzzy kNN and statistical analysis for features selection and classification of bees.
Mots-clés en anglais
Bees
Classification
Fuzzy Logic
Pattern recognition
Resumé en anglais
This work presents a proposal to solve the bees classification problem by implementing an algorithm based on Geometrics Morphometrics and the Shape analysis of landmarks generated from bees wings images. The algorithm is based on the K-Nearest Neighbor (K-Nearest Neighbor) algorithm and Fuzzy Logic KNN applied to the analysis and selection of two-dimensional data points relating to landmarks. This work is part of the Architecture Reference Model for Automatic identification and Taxonomic Classification System of Stingless Bee using the Wing Morphometry. The study includes selection and ordering methods for landmarks used in the algorithm by developing a mathematical model to represent the significance order, generating the most significant mathematical landmarks as input variables for Fuzzy Logic kNN. The main objective of this work is to develop a classification system for bee species. The knowledge involved in the development of this work include an overview of feature selection, unsupervised clustering and data mining, analysis of data pre-processing, statistical approaches for estimation and prediction, study of Shape, Procrustes Analysis on data that comes from Geometric Morphometry and the modification of the k-Nearest Neighbors algorithm and the Fuzzy Logic kNN. The results show that the classification in bee samples of the same species presents a accuracy above 90%, depending on the specie in analysis. The classification done between the bees species reach accuracies of 97%.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2011-04-14
 
AVERTISSEMENT: Le matériau se réfère à des documents provenant de cette thèse ou mémoire. Le contenu de ces documents est la responsabilité de l'auteur de la thèse ou mémoire.
  • Buani, B. E. Z., et al. APLICAÇÃO DO ALGORITMO DOS K-VIZINHOS MAIS PRÓXIMOS ESTENDIDO COM ANÁLISE ESTATÍSTICA E LÓGICA FUZZY KNN PARA SELEÇÃO DE CARACTERÍSTICAS E CLASSIFICAÇÃO DE ABELHAS. In XXXIX Congresso Brasileiro de Engenharia Agrícola - CONBEA 2010, Vitória, 2010. Anais do XXXIX Congresso Brasileiro de Engenharia Agrícola - CONBEA 2010.Vitória : DCM-Incaper, 2010.
  • Buani, B. E. Z., e HIRAKAWA, A. R. Aplicação do algoritmo dos vizinhos mais próximos para seleção de características e classificação da morfologia das asas de abelhas sem ferrão (NN4Bees). In 7º Congresso Brasileiro de Agroinformática, Viçosa, 2009. Anais do 7º Congresso Brasileiro de Agroinformática.Viçosa, 2009.
  • Bueno, J.F., et al. Um Modelo de Sistema Automatizado de Classificação de Abelhas Baseado em Reconhecimento de Padrões. In Escola Regional de Informática da SBC, Cuiabá, 2010. Anais da ERI-2010.Cuiabá : UFMT, 2010. Resumo.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2024. Tous droits réservés.