Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1160100
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSILVA, M. A. S. da
dc.contributor.authorMATOS, L. N.
dc.contributor.authorMIRANDA JUNIOR, G. F.
dc.contributor.authorSANTOS, F. E. de O.
dc.contributor.authorDOMPIERI, M. H. G.
dc.contributor.authorMOURA, F. R. de
dc.contributor.authorRESENDE, F. K. S.
dc.date.accessioned2023-12-20T14:28:42Z-
dc.date.available2023-12-20T14:28:42Z-
dc.date.created2023-12-20
dc.date.issued2023
dc.identifier.citationRevista Brasileira de Cartografia, v. 75, 2023.
dc.identifier.issn1808-0936
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1160100-
dc.descriptionBrazilian agricultural production presents high spatial diversity, challenging the conception of public policies. This article proposes an approach for grouping Brazilian municipalities according to their agricultural production. We combine a feature extraction using autoencoders and clustering based on k-means and Self-Organizing Maps. We used panel data from IBGE’s annual estimates of the production value of permanent and temporary crops, animal products, aquaculture, plant extractivism, forestry, planted areas, and herd population between 1999 and 2018. We analyzed different structures of simple stacked and incomplete autoencoders, varying the number of layers and neurons in each, and evaluated the asymmetric exponential linear loss function to handle the sparse data. We applied the Isomap, Kernel PCA, Truncated SVD, and MDS dimensionality reduction methods for comparative purposes. Results showed that the autoencoders could extract characteristics from the transformed raw data to allow the clustering of municipalities to reveal regional and even intra-regional patterns. The autoencoders improved comparative performance as the intrinsic dimensionality increased. A produção agrícola brasileira apresenta elevada diversidade espacial, o que desafia a concepção de políticas públicas. Este artigo propõe uma abordagem de agrupamento dos municípios brasileiros segundo sua produção agrícola. Combinamos extração de características utilizando autoencoders e clusterização baseada em k-médias e Mapas Auto Organizáveis. Utilizamos os dados em painel, entre 1999 e 2018, das estimativas anuais do IBGE sobre valor da produção de culturas permanentes, temporárias, produtos de origem animal, aquicultura, extrativismo vegetal, silvicultura, área plantada e efetivo de animais. Analisamos diferentes estruturas de autoencoders simples empilhados e incompletos, variando o número de camadas e neurônios em cada uma delas, e avaliamos a função de perda linear exponencial assimétrica para lidar com os dados esparsos. Comparamos os autoencoders com os métodos de redução de dimensionalidade Isomap, Kernel PCA, Truncated SVD e MDS. Os resultados mostraram que os autoencoders conseguiram extrair características dos dados brutos de forma a permitir a clusterização dos municípios revelasse padrões regionais e intra-regionais. Os autoencoders melhoram o desempenho comparativo à medida que a dimensionalidade intrínseca aumenta
dc.language.isopor
dc.rightsopenAccess
dc.subjectDivisão espacial
dc.subjectAnalise espacial
dc.titleEvaluating autoencoders as a dimensionality reduction mechanism to support clustering Brazilian Agricultural Diversity.
dc.typeArtigo de periódico
dc.subject.thesagroProdução Agrícola
dc.subject.thesagroPolíticas Públicas
dc.subject.thesagroMapa
dc.subject.thesagroZoneamento Agrícola
dc.subject.nalthesaurusGeospatial data processing
dc.subject.nalthesaurusSpatial data
riaa.ainfo.id1160100
riaa.ainfo.lastupdate2023-12-20
dc.identifier.doihttp://dx.doi.org/10.14393/rbcv75n0a-68733
dc.contributor.institutionMARCOS AURELIO SANTOS DA SILVA, CPATC; LEONARDO NOGUEIRA MATOS, UFS; GASTÃO FLORÊNCIO MIRANDA JUNIOR, UFS; FLAVIO EMANUEL DE OLIVEIRA SANTOS, UFS; MARCIA HELENA GALINA DOMPIERI, CNPM; FÁBIO RODRIGUES DE MOURA; FABRÍCIA KAROLLYNE SANTOS RESENDE, UFS.
Aparece nas coleções:Artigo em periódico indexado (CPATC)

Arquivos associados a este item:
Arquivo TamanhoFormato 
Evaluating-autoencoders...2023.pdf19,68 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace