@PhDThesis{Martins-Bedê:2014:ExClKN,
               author = "Martins-Bed{\^e}, Fl{\'a}via de Toledo",
                title = "Uma extens{\~a}o do classificador k-NN para m{\'u}ltiplos 
                         espa{\c{c}}os",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2014",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2014-02-26",
             keywords = "vizinhos mais pr{\'o}ximos (VMP), vizinhos mais pr{\'o}ximos em 
                         m{\'u}ltiplos espa{\c{c}}os (ms-NN), rela{\c{c}}{\~o}es 
                         difusas, nearest neighbors, multiple space nearest neighors, fuzzy 
                         relations.",
             abstract = "O algoritmo dos k vizinhos mais pr{\'o}ximos (k-NN, do 
                         ingl{\^e}s k \emph{Nearest Neighbors}) {\'e} uma t{\'e}cnica 
                         de classifica{\c{c}}{\~a}o bastante popular em reconhecimento de 
                         padr{\~o}es. Essa t{\'e}cnica consiste em atribuir uma classe a 
                         um elemento com r{\'o}tulo desconhecido usando a classe da 
                         maioria de seus vizinhos mais pr{\'o}ximos, segundo uma 
                         determinada dist{\^a}ncia no espa{\c{c}}o de atributos. A sua 
                         vers{\~a}o estendida, proposta neste trabalho, {\'e} 
                         identificada como vizinhos mais pr{\'o}ximos em m{\'u}ltiplos 
                         espa{\c{c}}os (ms- NN, do ingl{\^e}s: \emph{multiple space 
                         Nearest Neighbors}). Essa vers{\~a}o incorpora na 
                         constru{\c{c}}{\~a}o do modelo a utiliza{\c{c}}{\~a}o de 
                         m{\'u}ltiplos espa{\c{c}}os de atributos semanticamente 
                         distintos. Para cada espa{\c{c}}o, {\'e} definido um n{\'u}mero 
                         de vizinhos e um tipo de dist{\^a}ncia. Al{\'e}m disso, a 
                         localiza{\c{c}}{\~a}o geogr{\'a}fica dos objetos pode ser 
                         inclu{\'{\i}}da como um espa{\c{c}}o, desde que estes estejam 
                         representados por pol{\'{\i}}gonos ou pontos. A 
                         constru{\c{c}}{\~a}o do modelo ms-NN baseia-se na procura de 
                         vizinhos para cada dist{\^a}ncia utilizada. Neste trabalho, 
                         tamb{\'e}m {\'e} proposto o uso de rela{\c{c}}{\~o}es difusas 
                         para avaliar a proximidade entre casos. O m{\'e}todo ms-NN 
                         proposto foi usado para mapear o risco da preval{\^e}ncia da 
                         esquistossomose no estado de Minas Gerais e para 
                         classifica{\c{c}}{\~a}o da cobertura da terra na regi{\~a}o 
                         amaz{\^o}nica (Tapaj{\'o}s). As classifica{\c{c}}{\~o}es 
                         resultantes do ms-NN foram comparadas com as 
                         classifica{\c{c}}{\~o}es do k-NN e de outras duas t{\'e}cnicas, 
                         {\'a}rvore de decis{\~a}o e m{\'a}quinas de vetores de suporte 
                         (SVM, do ingl{\^e}s: \emph{Support Vector Machine}), comumente 
                         usadas em problemas de reconhecimento de padr{\~o}es. As 
                         acur{\'a}cias das classifica{\c{c}}{\~o}es de cada modelo foram 
                         avaliadas usando o m{\'e}todo Monte Carlo. Tamb{\'e}m foi feito 
                         o teste T pareado para avaliar a diferen{\c{c}}a 
                         estat{\'{\i}}stica entre as classifica{\c{c}}{\~o}es. Os 
                         resultados demonstram uma melhora significava das acur{\'a}cias 
                         do m{\'e}todo proposto quando comparadas com as acur{\'a}cias 
                         obtidas pelo k-NN. ABSTRACT: The k Nearest Neighbors mo del (k-NN) 
                         is a popular classification method used in pattern recognition. 
                         This technique assigns to an unlabeled pattern the class from the 
                         majority of its nearest neighbors, according to a given distance 
                         in the attribute space. The extended version ofk-NN, proposed in 
                         this work, is named multiple space Nearest Neighbors (ms-NN). This 
                         version includes the use of multiple semantically distinct 
                         attribute spaces in the mo del generation. For each space, it is 
                         defined a number of neighbors and a distance metric. Besides, the 
                         geographic information of the objects can be included as a 
                         separate space, provided that they are represented as points or 
                         polygons. In this work, we also propose the use of fuzzy relations 
                         to evaluate the proximity among cases. The proposed ms-NN method 
                         was used to map the risk of schistomiasis prevalence in the state 
                         of Minas Gerais and for land cover classification in the Amazon 
                         region (Tapaj{\'o}s). The results were compared with 
                         classifications obtained with k-NN and two other classifiers, 
                         decision tree and support vector machine (SVM), commonly used in 
                         pattern recognition problems. The global accuracy of each model 
                         was evaluated using Monte Carlo method. The paired T test was used 
                         to evaluate the statistical difference among the accuracies. The 
                         results show a significative improvement of the classifications 
                         when compared to k-NN.",
            committee = "Santos, Rafael Duarte Coelho dos (presidente) and Sandri, Sandra 
                         Aparecida (orientadora) and Dutra, Luciano Vieira (orientador) and 
                         Stephany, Stephan and Lorena, Ana Carolina and Batista, 
                         Get{\'u}lio Teixeira",
         englishtitle = "An extension of k-NN classifier for multiple spaces",
             language = "pt",
                pages = "152",
                  ibi = "8JMKD3MGP5W34M/3FT6D55",
                  url = "http://urlib.net/ibi/8JMKD3MGP5W34M/3FT6D55",
           targetfile = "publicacao.pdf",
        urlaccessdate = "28 abr. 2024"
}