Utilize este link para identificar ou citar este item: http://bdm.unb.br/handle/10483/8711
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2014_AdlerVilelaAvelar.pdf1,06 MBAdobe PDFver/abrir
Título: Algoritmos evolutivos aplicados em Estatística Espacial - Heurísticas baseadas em vizinhanças para detecção de clusters espaciais com geometria arbitrária
Outros títulos: Neighborhood based heuristics applied to detect spatial clusters with arbitrary geometry
Autor(es): Avelar, Adler Vilela
Orientador(es): Cançado, André Luiz Fernandes
Assunto: Algoritmos
Algoritmo circular
Algoritmo de vizinhança
Cluster espacial
Estatística espacial
Seleção proporcional
Cluster
Data de apresentação: 7-Jul-2014
Data de publicação: 20-Out-2014
Referência: AVELAR, Adler Vilela. Algoritmos evolutivos aplicados em Estatística Espacial - Heurísticas baseadas em vizinhanças para detecção de clusters espaciais com geometria arbitrária. 2014. ix, 31 f., il. Monografia (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2014.
Resumo: Apresentamos aqui a descrição e implementação computacional de algumas técnicas estatísticas e computacionais para a detecção de clusters espaciais com formas arbitrárias dentre as diversas regiões de um mapa em questão. Tais clusters espaciais consistem em aglomerados populacionais que apresentam uma característica de interesse para o estudo com formas desproporcionais ao restante das regiões consideradas. As heurísticas apresentadas são oriundas da necessidade de se aperfeiçoar os métodos de detecção de clusters de formato irregular, de tal forma que sejam mais eficientes do que a metodologia já utilizada para detecção de clusters de formato circular. Neste trabalho definimos estes métodos como Algoritmos de Vizinhanças e utilizamos algumas variações deste, o Algoritmo de Vizinhança com Seleção de Vizinho Ótimo e o Algoritmo de Vizinhança com Seleção Proporcional.
Abstract: We introduce in this work the description and computational implementation of some statistical and computational techniques to detect spatial clusters with arbitrary forms among several regions of a selected map. These spatial clusters consist in populational clusters, which show a unique characteristic of interest with disproportionate shapes compared to the other regions. The presented heuristics come from the need to improve the detection methods of uneven shape clusters, in order to make it more efficient than the common used methodology to detect circular shaped clusters. On this work, we define these methods as Neighborhood Algorithms and use a few variations of this method, the Neighborhood Algorithm with Best Neighbor Selection and the Neighborhood Algorithm with Proportional Selection
Informações adicionais: Monografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2014.
Aparece na Coleção:Estatística



Este item está licenciado na Licença Creative Commons Creative Commons