Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1096175
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorVASCONCELOS, G. T.
dc.contributor.authorOLIVEIRA, S. R. de M.
dc.date.accessioned2018-09-22T00:35:08Z-
dc.date.available2018-09-22T00:35:08Z-
dc.date.created2018-09-21
dc.date.issued2018
dc.identifier.citationIn: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 12., 2018, Campinas. Anais... [S.l: s.n], 2018.
dc.identifier.isbn978-85-7029-145-5
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1096175-
dc.descriptionRESUMO - Técnicas de mineração de dados têm sido usadas, estrategicamente, para transformar dados em informações e conhecimentos visando subsidiar o processo decisório em vários domínios. Na agricultura, em particular, essas técnicas são eficientes para selecionar um conjunto de atributos relevantes no processo de geração de modelos preditivos em bancos de dados com muitas variáveis. Este trabalho tem por objetivo avaliar a eficiência de diferentes algoritmos de Aprendizado de Máquina (AM) para classificação automática de solos, no 1º nível categórico do Sistema Brasileiro de Classificação de Solos (SiBCS). Os dados foram obtidos do projeto Mapeamento de Recursos Naturais do Brasil, liderado pelo Instituo Brasileiro de Geografia e Estatística (IBGE). Alguns algoritmos de AM (árvore de decisão, SVM, kNN) foram utilizados para classificação de solos de acordo com o SiBCS. Os resultados obtidos são promissores e abrem perspectivas para a classificação automática de solos, a partir de critérios definidos e de informações organizadas em bancos de dados.
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectÁrvores de decisão
dc.subjectMineração de dados
dc.subjectAtributos de solos
dc.subjectAprendizado de máquina
dc.subjectMáquinas de Vetores Suporte
dc.subjectAlgoritmo k-vizinhos mais próximos
dc.subjectClassificação de solos
dc.subjectDecision trees
dc.subjectData mining
dc.subjectSoil attributes
dc.titleAvaliação da eficiência de algoritmos de aprendizado de máquina para classificação automática de solos.
dc.typeArtigo em anais e proceedings
dc.date.updated2020-01-21T11:11:11Zpt_BR
dc.subject.nalthesaurusSupport vector machines
dc.subject.nalthesaurusSoil classification
dc.description.notesCIIC 2018. Nº 17603.
dc.format.extent2Não paginado.
riaa.ainfo.id1096175
riaa.ainfo.lastupdate2020-01-21 -02:00:00
dc.contributor.institutionGABRIEL TESTON VASCONCELOS, Bolsista CNPq (PIBIC); STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA.
Aparece nas coleções:Artigo em anais de congresso (CNPTIA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
18603.pdf74.71 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace