Método de particionamento utilizando distância de Mahalanobis para intervalos

• Ano de defesa: 2024
• Autor(a) principal: PAIVA, Ícaro Josias Ferreira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco; UFPE; Brasil; Programa de Pos Graduacao em Ciencia da Computacao
• Palavras-chave em Português: Agrupamento; Dados Intervalares; Distância de Mahalanobis
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/63942

Este trabalho investiga métodos de particionamento utilizando a distância de Mahala- nobis para dados intervalares. Os dados intervalares apresentam-se como uma alternativa aos dados clássicos, pois permitem capturar mais variabilidade e incerteza nos dados. Nesse sentido, é possível fazer uso desses atributos para organizar dados similares em grupos e separar dados distintos, minimizando a distância intra-grupos e maximizando a distância inter-grupos. Em muitas aplicações reais, como na análise de dados climá- ticos, biométricos ou financeiros, os dados não estão disponíveis em um valor pontual, mas sim como intervalos que refletem incertezas ou flutuações. Nesses casos, o uso de métodos tradicionais de análise pode ser limitado, pois não capturam adequadamente essa variabilidade. Ao avaliar as possibilidades de disposição dos conjuntos e a relação entre seus atributos, pode-se obter informações importantes para melhorar os resultados do agrupamento, tornando a distância de Mahalanobis uma aliada poderosa por conside- rar a correlação das variáveis. A distância de Mahalanobis se destaca nesses cenários por utilizar a matriz de variâncias e covariâncias em seus cálculos e adaptar-se bem à análise de dados intervalares. Com isso, o método proposto é capaz de formar agrupamentos ro- bustos em dados intervalares, mesmo na presença de assimetria entre os limites inferiores e superiores. Para validar esta abordagem, o método desenvolvido foi avaliado e compa- rado com outras técnicas da literatura que utilizam abordagens similares. Os resultados indicam uma melhoria na qualidade dos agrupamentos, particularmente em cenários com presença de correlação entre variáveis, ainda que a variabilidade dos dados seja signifi- cativamente divergente entre seus limites. Além disso, este trabalho traz uma aplicação em um conjunto de dados climáticos brasileiros, demonstrando a capacidade de encontrar padrões entre as estações meteorológicas. Conclui-se que a distância de Mahalanobis para dados intervalares, desenvolvida pelo método proposto, pode proporcionar agrupamentos mais precisos e significativos, tornando-se uma ferramenta poderosa para análise de dados com alta variabilidade e incerteza.