| |
|
|
| Registros recuperados : 1 | |
| 1. |  | MEDEIROS, A. P. R.; LAMEIRA, O. A.; ASSIS, R. M. de; PIRES, H. C. G.; NEVES, R. L. P.; ARAÚJO, D. X. Avaliação do rendimento de Carapa guianenes Aublet submetidas a três ambientes de armazenamento de sementes. In: SIMPÓSIO DE ESTUDOS E PESQUISAS EM CIÊNCIAS AMBIENTAIS NA AMAZÔNIA, 4., 2015, Belém, PA. Anais. Belém, PA: UEPA, 2015. v. 1, p. 134-140.| Biblioteca(s): Embrapa Amazônia Oriental. |
|    |
| Registros recuperados : 1 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Territorial. |
|
Data corrente: |
09/01/2024 |
|
Data da última atualização: |
09/01/2024 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
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. |
|
Título: |
Automatic segmentation of the self-organizing map to support territorial zoning. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
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. |
|
Idioma: |
Português |
|
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. |
|
Palavras-Chave: |
Data clustering. |
|
Thesaurus NAL: |
Artificial intelligence. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1160596/1/6194.pdf
|
|
Marc: |
LEADER 01779nam a2200205 a 4500
001 2160596
005 2024-01-09
008 2023 bl uuuu u00u1 u #d
100 1 $aBARRETO, P. V. DE A.
245 $aAutomatic segmentation of the self-organizing map to support territorial zoning.$h[electronic resource]
260 $aIn: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 14., 2023, Natal. Avanços na agricultura digital colaborativa: anais. Natal: Universidade Federal do Rio Grande do Norte, 2023. SBIAGRO 2023. 6 p.$c2023
520 $aABSTRACT: 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.
650 $aArtificial intelligence
653 $aData clustering
700 1 $aSILVA, M. A. S. da
700 1 $aMATOS, L. N.
700 1 $aMIRANDA JÚNIOR, G. F.
700 1 $aDOMPIERI, M. H. G.
700 1 $aMOURA, F. R. DE
700 1 $aRESENDE, F. K. S.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Territorial (CNPM) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
