| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Territorial. |
|
Data corrente: |
10/01/2023 |
|
Data da última atualização: |
10/01/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SILVA, M. A. S. da; MATOS, L. N.; SANTOS, F. E. DE O.; DOMPIERI, M. H. G.; MOURA, F. R. DE. |
|
Afiliação: |
MARCOS AURELIO SANTOS DA SILVA, CPATC; LEONARDO NOGUEIRA MATOS, UNIVERSIDADE FEDERAL DE SERGIPE; FLÁVIO EMANUEL DE OLIVEIRA SANTOS, UNIVERSIDADE FEDERAL DE SERGIPE; MARCIA HELENA GALINA DOMPIERI, CNPM; FÁBIO RODRIGUES DE MOURA, UNIVERSIDADE FEDERAL DE SERGIPE. |
|
Título: |
Feature extraction of spatial panel data with autoencoders for clustering the Brazilian agricultural diversity. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
In: BRAZILIAN SYMPOSIUM ON GEOINFORMATICS, 22., 2022, São José dos Campos. Proceedings... São José dos Campos: MCTIC/INPE, 2022. p. 27-38. |
|
Idioma: |
Inglês |
|
Notas: |
GEOINFO 2022. |
|
Conteúdo: |
ABSTRACT - Brazilian agricultural production presents a high degree of spatial diversity, which challenges designing territorial public policies to promote sustainable development. This article proposes a new approach to cluster Brazilian municipalities according to their agricultural production. It combines a feature extraction mechanism using Deep Learning based on Autoencoders and clustering based on k-means and Self-Organizing Maps. We used the panel data from IBGE?s annual estimates of Brazilian agricultural production between 1999 and 2018. Different structures of simple stacked undercomplete autoencoders were analyzed, varying the number of layers and neurons in each of them, including the latent layer. We evaluated the asymmetric exponential linear loss function to cope with the sparse data. The results show that in comparison with the ground truth adopted, the autoencoder model combined with the Self-Organizing Maps and the k-means algorithm presented a better result than the clustering of the raw data from the k-means, demonstrating the ability of simple stacked autoencoders to reduce the dimensionality and create a new space of features in their latent layer where the data can be analyzed and clustered. Although the general accuracy is low, the results are promising, considering that we can add new improvements to the Deep Clustering process. |
|
Palavras-Chave: |
Clustering process. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1150828/1/6082.pdf
|
|
Marc: |
LEADER 02062nam a2200181 a 4500
001 2150828
005 2023-01-10
008 2022 bl uuuu u00u1 u #d
100 1 $aSILVA, M. A. S. da
245 $aFeature extraction of spatial panel data with autoencoders for clustering the Brazilian agricultural diversity.$h[electronic resource]
260 $aIn: BRAZILIAN SYMPOSIUM ON GEOINFORMATICS, 22., 2022, São José dos Campos. Proceedings... São José dos Campos: MCTIC/INPE, 2022. p. 27-38.$c2022
500 $aGEOINFO 2022.
520 $aABSTRACT - Brazilian agricultural production presents a high degree of spatial diversity, which challenges designing territorial public policies to promote sustainable development. This article proposes a new approach to cluster Brazilian municipalities according to their agricultural production. It combines a feature extraction mechanism using Deep Learning based on Autoencoders and clustering based on k-means and Self-Organizing Maps. We used the panel data from IBGE?s annual estimates of Brazilian agricultural production between 1999 and 2018. Different structures of simple stacked undercomplete autoencoders were analyzed, varying the number of layers and neurons in each of them, including the latent layer. We evaluated the asymmetric exponential linear loss function to cope with the sparse data. The results show that in comparison with the ground truth adopted, the autoencoder model combined with the Self-Organizing Maps and the k-means algorithm presented a better result than the clustering of the raw data from the k-means, demonstrating the ability of simple stacked autoencoders to reduce the dimensionality and create a new space of features in their latent layer where the data can be analyzed and clustered. Although the general accuracy is low, the results are promising, considering that we can add new improvements to the Deep Clustering process.
653 $aClustering process
700 1 $aMATOS, L. N.
700 1 $aSANTOS, F. E. DE O.
700 1 $aDOMPIERI, M. H. G.
700 1 $aMOURA, F. R. DE
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Territorial (CNPM) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 20 | |
| 7. |  | CARVALHO, E. X.; GUERRA, M. F. L.; ANDRADE JUNIOR, A. S. de; AGUIAR NETO, A.; BASTOS, E. A.; MATOS, L. N. Programa computacional para dimensionamento e avaliação de sistemas de irrigação pivô-central. In: CONGRESSO BRASILEIRO DE ENGENHARIA AGRICOLA, 27., 1998, Pocos de Caldas. Anais... Lavras: UFLA/SBEA, 1998. v.1, p. 31-33.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Meio-Norte. |
|   |
| 10. | | SILVA, M. A. S. da; MATOS, L. N.; SIQUEIRA, E. R. de; TEIXEIRA, O. A.; MORAES, A. da C.; SANTOS, A. V. Planejamento territorial: análise espacial de área com mapas auto-organizáveis de Kohonen. In: SIMPÓSIO SOBRE INOVAÇÃO E CRIATIVIDADE CIENTÍFICA NA EMBRAPA, 2., 2010, Brasília, DF. Posteres. Brasília, DF: Embrapa, 2010.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Arroz e Feijão; Embrapa Tabuleiros Costeiros. |
|  |
| 13. | | SANTOS, F. E. de O.; SILVA, M. A. S. da; MATOS, L. N.; MOURA, F. R. de; DOMPIERI, M. H. G. Segmentação da diversidade espaço-temporal da agricultura brasileira por meio de uma abordagem baseada em aprendizado de máquina. In: SEMINÁRIO DE INICIAÇÃO CIENTÍFICA E PÓS-GRADUAÇÃO DA EMBRAPA TABULEIROS COSTEIROS, 10., 2021, Aracaju. Anais... Brasília, DF: Embrapa, 2021. p. 59-63.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Territorial. |
| |
| 14. | | SANTOS, F. E. de O.; SILVA, M. A. S. da; MATOS, L. N.; MOURA, F. R. de; DOMPIERI, M. H. G. Segmentação da diversidade espaço-temporal da agricultura brasileira por meio de uma abordagem baseada em aprendizado de máquina. In: SEMINÁRIO DE INICIAÇÃO CIENTÍFICA E PÓS-GRADUAÇÃO DA EMBRAPA TABULEIROS COSTEIROS, 10., 2021, Aracaju. Anais... Brasília, DF: Embrapa, 2021. p. 59-63.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Tabuleiros Costeiros. |
| |
| 16. | | BARRETO, P. V. de A.; SILVA, M. A. S. da; MATOS, L. N.; DOMPIERI, M. H. G.; MIRANDA JUNIOR, G. F. Uma abordagem de clusterização baseada no Mapa Auto-Organizável para auxiliar no zoneamento territorial. In: SEMINÁRIO DE INICIAÇÃO CIENTÍFICA DA EMBRAPA TABULEIROS COSTEIROS, 12., 2023, Aracaju. Anais... Aracaju: Embrapa Tabuleiros Costeiros, 2023. Editores Técnicos: Viviane Talamini, Ana da Silva Ledo.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Tabuleiros Costeiros. |
|  |
| 17. | | 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. Automatic segmentation of the self-organizing map to support territorial zoning. 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.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Territorial. |
| |
| 19. | | SILVA, M. A. S. da; BARRETO, P. V. de A.; MATOS, L. N.; MIRANDA JUNIOR, G. F.; DOMPIERI, M. H. G.; MOURA, F. R. de; RESENDE, F. K. S.; NOVAIS, P.; OLIVEIRA, P. A self-organizing map clustering approach to support territorial zoning. In: VASCONCELOS, V.; DOMINGUES, I.; PAREDES, S. (ed.). Progress in pattern recognition, image analysis, computer vision, and applications. Heidelberg: Springer, 2023. p. 289-303. Apresentado no 26th Iberoamerican Congress, CIARP 2023 Coimbra, Portugal, November 27–30, 2023. Proceedings, Part I.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Tabuleiros Costeiros; Embrapa Territorial. |
| |
| 20. | | SILVA, M. A. S. da; SIQUEIRA, E. R. de; MEDEIROS, S. dos S.; MANOS, M. G. L.; TEIXEIRA, O. A.; SANTOS, R. F.; ALMEIDA, M. R. M. de; RODRIGUES, R. F. de A.; MORAES, A. da C.; SANTOS, A. V.; MATOS, L. N. Modelagem social como instrumento de análises de demandas conflitantes em territórios rurais. In: SIMPÓSIO SOBRE INOVAÇÃO E CRIATIVIDADE CIENTÍFICA NA EMBRAPA, 2., 2010, Brasília, DF. Posteres. Brasília, DF: Embrapa, 2010.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Arroz e Feijão; Embrapa Tabuleiros Costeiros. |
| |
| Registros recuperados : 20 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
