Avaliação de métodos de classificação no espaço tangente para análise estatística de forma

Autores

DOI:

https://doi.org/10.5335/rbca.v15i3.14810

Palavras-chave:

Aprendizado de máquina, Coordenadas de Kendall, Coordenadas tangentes

Resumo

O presente trabalho tem como propósito avaliar o desempenho de alguns classificadores da literatura em dados no espaço tangente no contexto da análise estatística de formas. Ademais, foram realizadas simulações considerando três cenários: (1) dados sem uso de análise de componentes principais (ACP); e (2) com uso de ACP utilizando as componentes que explicam de 70% a 75% e de 90% a 95%. Constatou-se na simulação que, quando há baixa concentração nos dados, o desempenho dos classificadores diminui, com ganhos expressivos na acurácia quando se fez o uso de ACP na maioria dos cenários observados. A etapa seguinte consistiu em realizar a classificação utilizando quatro aplicações em dados reais, considerando os mesmos cenários do estudo de simulação. Nestes, os melhores resultados foram observados em bancos de dados cujas formas médias eram expressivamente distintas entre os grupos. Por outro lado, os piores desempenhos foram observados em dados relacionados a ressonâncias magnéticas de pacientes esquizofrênicos, com acurácia máxima de 85,7%.

Downloads

Os dados de download ainda não estão disponíveis.

Downloads

Publicado

27-11-2023

Edição

Seção

Artigo Original

Como Citar

[1]
2023. Avaliação de métodos de classificação no espaço tangente para análise estatística de forma. Revista Brasileira de Computação Aplicada. 15, 3 (nov. 2023), 15–24. DOI:https://doi.org/10.5335/rbca.v15i3.14810.