Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Santos, Hugo Henrique Kegler dos | - |
Autor(es): dc.contributor | Kubrusly, Jéssica Quintanilha | - |
Autor(es): dc.contributor | Capistrano, Estelina Serrano de Marins | - |
Autor(es): dc.contributor | Sisko, Valentin | - |
Autor(es): dc.creator | Prado, Paola de Oliveira | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:53:00Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:53:00Z | - |
Data de envio: dc.date.issued | 2021-05-05 | - |
Data de envio: dc.date.issued | 2021-05-05 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/21882 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/759413 | - |
Descrição: dc.description | Atualmente, bases de imagens são bastante utilizadas para a classificação de objetos na área de aprendizado de máquina ou, como mais conhecido em inglês, Machine Learning. Dentro dessa esfera, as bases de dígitos manuscritos vem sendo muito empregadas, principalmente, para um estudo inicial dessa área e testar o desempenho dos algoritmos. Este trabalho aplica as técnicas de Escalonamento Multidimensional, Análise de Agrupamento e t-SNE a fim de verificar seus desempenhos na visualização dos dígitos manuscritos. Para tal, foi utilizada a base de dígitos manuscritos, MNIST, com 10.000 observações. Devido a problemas de processamento computacional, realizou-se uma amostragem com 2.000 e 4.000 observações. O resultado para a técnica não linear, t-SNE, apresentou melhores visualizações comparado as outras técnicas analisadas | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Análise multivariada | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Escalonamento multidimensional | - |
Palavras-chave: dc.subject | MNIST | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Análise multivariada de dados | - |
Palavras-chave: dc.subject | Processamento de imagem | - |
Palavras-chave: dc.subject | Análise de agrupamento | - |
Título: dc.title | Aplicação de técnicas multivariada para visualização de dígitos manuscritos | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: