Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Gil, Vanessa de Oliveira
Orientador(a): Emmendorfer, Leonardo Ramos
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://repositorio.furg.br/handle/1/8961
Resumo: A classificação de galáxias é uma importante etapa para compreender suas caracter ísticas e seus processos de formação e evolução. Geralmente é realizada por um especialista através da inspeção visual e individual de cada imagem. Essa classificação ´e subjetiva e limita o número de galáxias que podem ser analisadas na prática. Com o surgimento de grandes catálogos astronômicos essa abordagem torna-se impraticável, tornando imprescindível a quantificação da morfologia para possibilitar a automatização da classificação. Foram utilizadas an´alises de agrupamentos (clustering) para objetos no espaço de parâmetros morfométricos, conforme medidos pelo MORFOMETRYKA, onde o objetivo ´e encontrar grupos de observações fortemente correlacionadas que indiquem os mesmos processos físicos de formação e evolução. No presente trabalho utilizamos os seguintes algoritmos de agrupamentos: Expectation Maximization (EM) e K-médias, onde as próprias classes morfolpogicas resultam do algoritmo. A t´ecnica foi aplicada para a amostra do survey EFIGI que inclui 4.458 gal´axias de todos os tipos morfol´ogicos. Ap´os os dados serem agrupados pelos dois algoritmos, ´e utilizado o Silhouette como m´etodo de validac¸ ˜ao para os resultados encontrados, al´em disso tamb´em ´e usada a matriz de confus˜ao. Grupos de objetos n˜ao surgem claramente distintos neste espac¸o de parˆametros, o que reforc¸a os outros resultados recentes de que existe um continuidade morfom´etrica nas populac¸ ˜oes de gal´axias, em detrimento da vis˜ao bimodal de espirais e el´ıpticas como fam´ılias claramente distintas.
id FURG_3dff0a3815c03069d68aa706039fa8dd
oai_identifier_str oai:repositorio.furg.br:1/8961
network_acronym_str FURG
network_name_str Repositório Institucional da FURG (RI FURG)
repository_id_str
spelling Gil, Vanessa de OliveiraEmmendorfer, Leonardo Ramos2020-09-14T14:40:45Z2020-09-14T14:40:45Z2015GIL, Vanessa de Oliveira. Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias. 2015. Dissertação (Mestrado em Modelagem Computacional)- Faculdade de Modelagem Computacional. Universidade Federal do Rio Grande, 2015.http://repositorio.furg.br/handle/1/8961A classificação de galáxias é uma importante etapa para compreender suas caracter ísticas e seus processos de formação e evolução. Geralmente é realizada por um especialista através da inspeção visual e individual de cada imagem. Essa classificação ´e subjetiva e limita o número de galáxias que podem ser analisadas na prática. Com o surgimento de grandes catálogos astronômicos essa abordagem torna-se impraticável, tornando imprescindível a quantificação da morfologia para possibilitar a automatização da classificação. Foram utilizadas an´alises de agrupamentos (clustering) para objetos no espaço de parâmetros morfométricos, conforme medidos pelo MORFOMETRYKA, onde o objetivo ´e encontrar grupos de observações fortemente correlacionadas que indiquem os mesmos processos físicos de formação e evolução. No presente trabalho utilizamos os seguintes algoritmos de agrupamentos: Expectation Maximization (EM) e K-médias, onde as próprias classes morfolpogicas resultam do algoritmo. A t´ecnica foi aplicada para a amostra do survey EFIGI que inclui 4.458 gal´axias de todos os tipos morfol´ogicos. Ap´os os dados serem agrupados pelos dois algoritmos, ´e utilizado o Silhouette como m´etodo de validac¸ ˜ao para os resultados encontrados, al´em disso tamb´em ´e usada a matriz de confus˜ao. Grupos de objetos n˜ao surgem claramente distintos neste espac¸o de parˆametros, o que reforc¸a os outros resultados recentes de que existe um continuidade morfom´etrica nas populac¸ ˜oes de gal´axias, em detrimento da vis˜ao bimodal de espirais e el´ıpticas como fam´ılias claramente distintas.Classification of galaxies is an important step for the comprehension of the features and formation and evolution processes. Generally, it is performed by a specialist through visual inspection of each image. This classification is subjective and limits the number of galaxies which can be analyzed in practice. Now that big astronomical catalogs are available, this approach becomes impractical, urging the adoption of morphological quantification for the automatic classification. We have adopted cluster analysis for objects in the morphometric parameter space, as measured by MORPHOMETRIKA, where we search for strongly correlated groups of observations, which follow the same physical formation processes and evolution. This work adopts the following clustering algorithms: Expectation Maximization and K-means, where we let the morphological classes emerge from the results of the algorithms. We adopted the sampling technique EFIGI which includes 4,458 galaxies from all morphological kinds. After data is clustered by both algorithms, Silhouette is used as the validation technique for the results. Also, confusion matrix is analyzed. This parameter space does not raise a clear set of groups, what reinforces other recent studies, which point out that there is a morphometric continuity in the population of galaxies, as a contrast to the usual assumption of spiral and elliptic as clearly separated families.porGaláxiasAnálise de agrupamentoClassificaçãoMineração de dadosGalaxiesClustering analysisClassificationData miningAnálise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxiasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGORIGINALVanessa de Oliveira Gil.pdfVanessa de Oliveira Gil.pdfapplication/pdf15531176https://repositorio.furg.br/bitstreams/26a9ec2d-0953-4f59-abc2-7379a5c674bb/download0eca29eff4f503095c09f91e2d67af86MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.furg.br/bitstreams/c0050055-c5b6-43aa-80b7-e7984852d77c/download8a4605be74aa9ea9d79846c1fba20a33MD52falseAnonymousREADTEXTVanessa de Oliveira Gil.pdf.txtVanessa de Oliveira Gil.pdf.txtExtracted texttext/plain106283https://repositorio.furg.br/bitstreams/c1942225-bc9c-4248-b306-86e08737252c/download990e715404d1144240eaec42ae218349MD53falseAnonymousREADTHUMBNAILVanessa de Oliveira Gil.pdf.jpgVanessa de Oliveira Gil.pdf.jpgGenerated Thumbnailimage/jpeg3309https://repositorio.furg.br/bitstreams/615f4214-d544-4739-8e0b-17a20008fcee/download20ddea1d56b96db9c87119f38c1f09c8MD54falseAnonymousREAD1/89612025-12-10 02:08:37.134open.accessoai:repositorio.furg.br:1/8961https://repositorio.furg.brRepositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestrepositorio@furg.br||sib.bdtd@furg.bropendoar:2025-12-10T05:08:37Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)falseTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=
dc.title.pt_BR.fl_str_mv Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias
title Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias
spellingShingle Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias
Gil, Vanessa de Oliveira
Galáxias
Análise de agrupamento
Classificação
Mineração de dados
Galaxies
Clustering analysis
Classification
Data mining
title_short Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias
title_full Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias
title_fullStr Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias
title_full_unstemmed Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias
title_sort Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias
author Gil, Vanessa de Oliveira
author_facet Gil, Vanessa de Oliveira
author_role author
dc.contributor.author.fl_str_mv Gil, Vanessa de Oliveira
dc.contributor.advisor1.fl_str_mv Emmendorfer, Leonardo Ramos
contributor_str_mv Emmendorfer, Leonardo Ramos
dc.subject.por.fl_str_mv Galáxias
Análise de agrupamento
Classificação
Mineração de dados
Galaxies
Clustering analysis
Classification
Data mining
topic Galáxias
Análise de agrupamento
Classificação
Mineração de dados
Galaxies
Clustering analysis
Classification
Data mining
description A classificação de galáxias é uma importante etapa para compreender suas caracter ísticas e seus processos de formação e evolução. Geralmente é realizada por um especialista através da inspeção visual e individual de cada imagem. Essa classificação ´e subjetiva e limita o número de galáxias que podem ser analisadas na prática. Com o surgimento de grandes catálogos astronômicos essa abordagem torna-se impraticável, tornando imprescindível a quantificação da morfologia para possibilitar a automatização da classificação. Foram utilizadas an´alises de agrupamentos (clustering) para objetos no espaço de parâmetros morfométricos, conforme medidos pelo MORFOMETRYKA, onde o objetivo ´e encontrar grupos de observações fortemente correlacionadas que indiquem os mesmos processos físicos de formação e evolução. No presente trabalho utilizamos os seguintes algoritmos de agrupamentos: Expectation Maximization (EM) e K-médias, onde as próprias classes morfolpogicas resultam do algoritmo. A t´ecnica foi aplicada para a amostra do survey EFIGI que inclui 4.458 gal´axias de todos os tipos morfol´ogicos. Ap´os os dados serem agrupados pelos dois algoritmos, ´e utilizado o Silhouette como m´etodo de validac¸ ˜ao para os resultados encontrados, al´em disso tamb´em ´e usada a matriz de confus˜ao. Grupos de objetos n˜ao surgem claramente distintos neste espac¸o de parˆametros, o que reforc¸a os outros resultados recentes de que existe um continuidade morfom´etrica nas populac¸ ˜oes de gal´axias, em detrimento da vis˜ao bimodal de espirais e el´ıpticas como fam´ılias claramente distintas.
publishDate 2015
dc.date.issued.fl_str_mv 2015
dc.date.accessioned.fl_str_mv 2020-09-14T14:40:45Z
dc.date.available.fl_str_mv 2020-09-14T14:40:45Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv GIL, Vanessa de Oliveira. Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias. 2015. Dissertação (Mestrado em Modelagem Computacional)- Faculdade de Modelagem Computacional. Universidade Federal do Rio Grande, 2015.
dc.identifier.uri.fl_str_mv http://repositorio.furg.br/handle/1/8961
identifier_str_mv GIL, Vanessa de Oliveira. Análise de Agrupamentos de Parâmetros Morfométricos para Classificação de Galáxias. 2015. Dissertação (Mestrado em Modelagem Computacional)- Faculdade de Modelagem Computacional. Universidade Federal do Rio Grande, 2015.
url http://repositorio.furg.br/handle/1/8961
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da FURG (RI FURG)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Repositório Institucional da FURG (RI FURG)
collection Repositório Institucional da FURG (RI FURG)
bitstream.url.fl_str_mv https://repositorio.furg.br/bitstreams/26a9ec2d-0953-4f59-abc2-7379a5c674bb/download
https://repositorio.furg.br/bitstreams/c0050055-c5b6-43aa-80b7-e7984852d77c/download
https://repositorio.furg.br/bitstreams/c1942225-bc9c-4248-b306-86e08737252c/download
https://repositorio.furg.br/bitstreams/615f4214-d544-4739-8e0b-17a20008fcee/download
bitstream.checksum.fl_str_mv 0eca29eff4f503095c09f91e2d67af86
8a4605be74aa9ea9d79846c1fba20a33
990e715404d1144240eaec42ae218349
20ddea1d56b96db9c87119f38c1f09c8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv repositorio@furg.br||sib.bdtd@furg.br
_version_ 1856849731784802304