Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1160596
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorBARRETO, P. V. DE A.
dc.contributor.authorSILVA, M. A. S. da
dc.contributor.authorMATOS, L. N.
dc.contributor.authorMIRANDA JÚNIOR, G. F.
dc.contributor.authorDOMPIERI, M. H. G.
dc.contributor.authorMOURA, F. R. DE
dc.contributor.authorRESENDE, F. K. S.
dc.date.accessioned2024-01-09T16:32:34Z-
dc.date.available2024-01-09T16:32:34Z-
dc.date.created2024-01-09
dc.date.issued2023
dc.identifier.citationIn: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 14., 2023, Natal. Avanços na agricultura digital colaborativa: anais. Natal: Universidade Federal do Rio Grande do Norte, 2023. SBIAGRO 2023. 6 p.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1160596-
dc.descriptionABSTRACT: This paper proposes an algorithm for analyzing clusters of thematic maps with ordinal categorical classes to support territorial zoning. The proposed method combines the Self-Organizing Map with graph segmentation techniques for data clustering. The approach was evaluated with synthetic data and applied to the environmental zoning of the Alto Taquari basin, MS/MT. The results showed the ability of the algorithm to separate the data into unimodal differentiable groups. RESUMO: Este artigo propõe um algoritmo para análise de agrupamentos de mapas temáticos com classes categóricas ordinais para suporte ao zoneamento territorial. O método proposto combina o Mapa Auto Organizável com técnicas de segmentação de grafos para clusterização dos dados. A abordagem foi avaliada com dados sintéticos e aplicada no zoneamento ambiental da bacia do Alto Taquari, MS/MT. Os resultados mostraram a capacidade do algoritmo separar os dados em grupos diferenciáveis unimodais.
dc.language.isopor
dc.rightsopenAccess
dc.subjectData clustering
dc.titleAutomatic segmentation of the self-organizing map to support territorial zoning.
dc.typeArtigo em anais e proceedings
dc.subject.nalthesaurusArtificial intelligence
riaa.ainfo.id1160596
riaa.ainfo.lastupdate2024-01-09
dc.contributor.institutionPEDRO V. DE A. BARRETO, UNIVERSIDADE FEDERAL DE SERGIPE; MARCOS AURELIO SANTOS DA SILVA, CPATC; LEONARDO N. MATOS, UNIVERSIDADE FEDERAL DE SERGIPE; GASTÃO F. MIRANDA JÚNIOR, UNIVERSIDADE FEDERAL DE SERGIPE; MARCIA HELENA GALINA DOMPIERI, CNPM; FÁBIO R. DE MOURA, UNIVERSIDADE FEDERAL DE SERGIPE; FABRÍCIA K. S. RESENDE, UNIVERSIDADE FEDERAL DE SERGIPE.
Aparece nas coleções:Artigo em anais de congresso (CNPM)

Arquivos associados a este item:
Arquivo TamanhoFormato 
6194.pdf2,31 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace