01779nam a2200205 a 450000100080000000500110000800800410001910000250006024501080008526002040019352009960039765000280139365300200142170000230144170000170146470000270148170000230150870000200153170000220155121605962024-01-09       2023    bl uuuu     u00u1 u    #d1 aBARRETO, P. V. DE A.  aAutomatic segmentation of the self-organizing map to support territorial zoning.h[electronic resource]  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  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.  aArtificial intelligence  aData clustering1 aSILVA, M. A. S. da1 aMATOS, L. N.1 aMIRANDA JÚNIOR, G. F.1 aDOMPIERI, M. H. G.1 aMOURA, F. R. DE1 aRESENDE, F. K. S.