Banca de DEFESA: EDUARDO VIEIRA QUEIROGA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: EDUARDO VIEIRA QUEIROGA
DATA: 17/02/2017
HORA: 14:30
LOCAL: Auditório do CI
TÍTULO: Abordagens meta-heurísticas para clusterização de dados e segmentação de imagens
PALAVRAS-CHAVES: Otimização contínua, Meta-heurísticas, Clusterização de dados, Segmentação de imagens, Continuous GRASP, Particle Swarm Optimization
PÁGINAS: 88
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Matemática da Computação
RESUMO: Muitos problemas computacionais sao considerados dificeis devido a sua natureza combinatoria. Para esses problemas, o uso de tecnicas de busca exaustiva para resolver instancias de medio e grande porte torna-se impraticavel. Quando modelados como problemas de otimizacao, alguns problemas de clusterizacao de dados e segmentacao de imagens pertencem a classe NP-Dificil e requerem um tratamento adequado por metodos heuristicos. Clusterizacao de dados e um vasto conjunto de problemas em reconhecimento de padroes e aprendizado de maquina nao-supervisionado, cujo objetivo e encontrar grupos (ou clusters) de objetos similares em uma base de dados, utilizando uma medida de similaridade preestabelecida. O problema de clusterizacao particional consiste em separar completamente os dados em conjuntos disjuntos e nao vazios. Para metodos de clusterizacao baseados em centros de cluster, minimizar a soma das distancias intracluster e um dos criterios mais utilizados. Para tratar este problema, e proposta uma abordagem baseada na meta-heuristica Continuous Greedy Randomized Adaptive Search Procedure (C-GRASP). Resultados de alta qualidade foram obtidos atraves de experimentos envolvendo o algoritmo proposto e outras meta-heuristicas da literatura. Em visao computacional, segmentacao de imagens e o processo de particionar uma imagem em regioes de interesse (conjuntos de pixels) sem que haja sobreposicao. Um dos tipos mais simples de segmentacao e a limiarizacao do histograma para imagens em nivel de cinza. O metodo de Otsu e um dos mais populares e propoe a busca pelos limiares que maximizam a variancia entre os segmentos. Para imagens com grande profundidade de cinza, tecnicas de busca exaustiva possuem alto custo computacional, uma vez que o numero de solucoes possiveis cresce exponencialmente com o aumento no numero de limiares. Dessa forma, as meta-heuristicas tem desempenhado um papel importante em encontrar limiares de boa qualidade. Neste trabalho, uma abordagem baseada em Quantum-behaved Particle Swarm Optimization (QPSO) foi investigada para limiarizacao multinivel de imagens disponiveis na literatura. Uma busca local baseada em Variable Neighborhood Descent (VND) foi proposta para acelerar a convergencia da busca pelos limiares. Alem disso, uma aplicacao especifica de segmentacao de imagens de microscopia eletronica para analise microestrutural de materiais cimenticios foi investigada, bem como a utilizacao de algoritmos em grafos para deteccao de trincas e extracao de caracteristicas de interesse.
MEMBROS DA BANCA:
Presidente - 1175878 - LUCIDIO DOS ANJOS FORMIGA CABRAL
Interno - 1859144 - ANAND SUBRAMANIAN
Interno - 1723491 - CLAUIRTON DE ALBUQUERQUE SIEBRA
Externo ao Programa - 2581068 - SANDRO MARDEN TORRES
Externo à Instituição - PLÁCIDO ROGÉRIO PINHEIRO