Banca de QUALIFICAÇÃO: EDUARDO VIEIRA QUEIROGA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: EDUARDO VIEIRA QUEIROGA
DATA: 29/02/2016
HORA: 10:00
LOCAL: Auditório do CI
TÍTULO: META-HEURÍSTICAS DE OTIMIZAÇÃO CONTÍNUA PARA CLUSTERIZAÇÃO DE DADOS E SEGMENTAÇÃO DE IMAGENS
PALAVRAS-CHAVES: Otimização contínua, Meta-heurísticas, Clusterização de dados, Segmenta ção de imagens, Continuous GRASP, Particle Swarm Optimization
PÁGINAS: 57
RESUMO: Muitos problemas computacionais são considerados difíceis devido a natureza combinatória associada aos mesmos, sendo inviável a utilização de técnicas de busca exaustiva para instâncias de médio e grande porte. Alguns problemas de clusterização de dados e segmentação de imagens pertencem a esse tipo, e requerem um tratamento adequado por técnicas heurísticas tais como meta-heurísticas de otimização contínua. Clusterização de dados é um conjunto de problemas em reconhecimento de padrões e aprendizado de máquina nãoo-supervisionado, que consiste em encontrar grupos (ou clusters) de objetos similares em uma base de dados. O problema de k-clusterização particional consiste em encontrar um particionamento dos dados em um número de clusters predeterminado. Para metodos de clusterização baseados em centros de cluster, minimizar a soma das distâncias intra-cluster e um dos criterios mais utilizados. Este trabalho prop~oe uma abordagem baseada na meta-heurística Continuous Greedy Randomized Adaptive Search Procedure (C-GRASP) para k-clusterização particional aplicado a bases de dados de propósito geral. Excelentes resultados foram obtidos atraves de experimentos que envolviam versões do C-GRASP da literatura e outras meta-heurísticas recentes para o mesmo problema. Em visão computacional, segmentação de imagens e o processo de particionar uma imagem em regiões de interesse (conjuntos de pixels) sem que haja sobreposição. Um dos tipos mais simples de segmentação e a limiarização do histograma para imagens em nvel de cinza. O método de Otsu é um dos mais populares e propõe a busca pelos limiares que maximizam a variância entre os segmentos. Para imagens com grande profundidade de cinza, técnicas de busca exaustiva podem sofrer computacionalmente, uma vez que o número de possibilidades de soluções cresce exponencialmente com relação ao número de limiares necessários. Dessa forma, as meta-heurísticas vem fazendo um bom papel em encontrar limiares de boa qualidade, sem garantia de otimalidade. Nesse trabalho, algoritmos baseados nas meta-heurísticas Particle Swarm Optimization (PSO) e Quantum-behaved Particle Swarm Optimization (QPSO) foram investigados para limiarização multinível de imagens conhecidas da literatura. Uma aplicação específica de limiarização em imagens de miscroscopia eletrônica para análise microestrutural de materiais cimentícios e investigada, bem como a utilização de algoritmos em grafos para detecção de trincas e extração de características de interesse.
MEMBROS DA BANCA:
Presidente - 1175878 - LUCIDIO DOS ANJOS FORMIGA CABRAL
Interno - 1167863 - LEONARDO VIDAL BATISTA
Externo ao Programa - 2581068 - SANDRO MARDEN TORRES
Externo ao Programa - 404206 - WALDIR LEITE ROQUE