Título:	Automatic segmentation of the self-organizing map to support territorial zoning.
Autoria:	BARRETO, P. V. DE A. SILVA, M. A. S. da MATOS, L. N. MIRANDA JÚNIOR, G. F. DOMPIERI, M. H. G. MOURA, F. R. DE RESENDE, F. K. S.
Afiliação:	PEDRO 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.
Ano de publicação:	2023
Referência:	In: 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.
Conteúdo:	ABSTRACT: 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.
NAL Thesaurus:	Artificial intelligence
Palavras-chave:	Data clustering
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPM)