@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"
}