Dissertação

Shape-based Trajectory Clustering EVALUATED

A classificação automática de trajetórias tem inúmeras aplicações, que vão desde as ciências naturais, como a zoologia e a meteorologia, até ao planeamento urbano e à análise desportiva, o que tem gerado grande interesse e investigação. O objetivo deste trabalho é propor e testar experimentalmente um novo método de agrupamento de trajetórias, baseado na sua forma e não na posição, tal como acontece com os métodos até agora desenvolvidos. O método proposto baseia-se na reamostragem uniforme das trajetórias utilizando splines, e na sua caraterização com base nos ângulos das tangentes nos pontos reamostrados. Quantidades angulares introduzem algumas dificuldades para a análise, devido à sua natureza periódica, o que impossibilita a utilização direta de métodos de agrupamento usuais. Para contornar o problema, três métodos foram desenvolvidos/adaptados para aplicação neste trabalho: uma variante do algoritmo k-means, um modelo de misturas de distribuições de Von Mises multivariadas, que é ajustado recorrendo ao algoritmo EM e a factorização esparsa e não negativa de matrizes. Como o número de grupos raramente é conhecido à priori, foram também introduzidos métodos para automatizar a sua escolha. Finalmente, estes algoritmos foram testados em dados reais e simulados, nos quais se demonstrou a viabilidade da técnica.
Aprendizagem Não Supervisionada, Estatística Direcional, k-means, NMF, Algoritmo EM, Agrupamento de Trajetórias.

Outubro 28, 2016, 16:0

Publicação

Obra sujeita a Direitos de Autor

Orientação