Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.unb.br/handle/10482/38816
Files in This Item:
File Description SizeFormat 
2020_GuilhermeDiasMalvão.pdf1,5 MBAdobe PDFView/Open
Title: Um algoritmo PSO especializado para o problema de detecção de clusters espaciais
Authors: Malvão, Guilherme dias
Orientador(es):: Cançado, André Luiz Fernandes
Assunto:: Clusters espaciais
Estatística espacial
Algoritmo PSO
Issue Date: 2-Jul-2020
Citation: MALVÃO, Guilherme dias. Um algoritmo PSO especializado para o problema de detecção de clusters espaciais. 2020. xiv, 56 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2020.
Abstract: A detecção de clusters espaciais tem grande importância para tomada de decisão em diversas áreas como saúde e segurança pública. O método Scan Circular de Kulldorff (1997) é a maior referência quando se trata em detecção de clusters espaciais. O método não tem um bom desempenho quando o cluster verdadeiro tem um formato não circular. Neste trabalho propomos um algoritmo baseado no Particle Swarm Optimizaton (PSO), que é capaz de detectar e identificar clusters espaciais. Os dois métodos são comparados em 4 cenários, onde cada um tem um cluster com formato específico que são gerados através de simulações proposta por Kulldorff, Tango e Park (2003). Também é feita a comparação entre os dois métodos para dados de óbitos por doenças pulmonares obstrutivas crônicas no estado do Mato Grosso, Brasil, no ano de 2015. São encontrados resultados favoráveis para o método proposto, principalmente nos casos onde o cluster não tem formato circular.
Abstract: The detection of spatial clusters is of great importance for decision making in several areas such as health and public safety. The Scan Circular method of Kulldorff (1997) is the most important reference when it comes to detecting spatial clusters. The method does not perform well when the real cluster has a non-circular shape. We propose an algorithm inspired by the Particle Swarm Optimizaton (PSO), which is capable of detecting and identifying spatial clusters. The two methods are compared in 4 scenarios, where each one has a cluster with specific format that are generated through simulations proposed by Kulldorff, Tango e Park (2003). A comparison is also made between the two methods for chronic obstructive pulmonary diseases data in the state of Mato Grosso, Brazil, in 2015. Favorable results are found for the proposed method, especially in cases where the cluster has no circular shape.
Description: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2020.
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Appears in Collections:EST - Mestrado em Estatística (Dissertações)

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/38816/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.