Automatic Segmentation of the Self-organizing Map to Support Territorial Zoning
Resumo
Este artigo propõe um algoritmo para análise de agrupamentos de mapas temáticos com classes categóricas ordinais para suporte ao zoneamento territorial. O método proposto combina o Mapa Auto-Organizável com técnicas de segmentação de grafos para clusterização dos dados. A abordagem foi avaliada com dados sintéticos e aplicada no zoneamento ambiental da bacia do Alto Taquari, MS/MT. Os resultados mostraram a capacidade do algoritmo separar os dados em grupos diferenciáveis unimodais.
Referências
Costa, J. A. F. and Netto, M. L. A. (2003). Segmentação do SOM baseada em particionamento de grafos. In VI Congresso Brasileiro de Redes Neurais, pages 451–456.
Kohonen, T. (2001). Self-Organizing Maps. Berlin: Springer.
Sadeck, L. W. R., de Lima, A. M. M., and Adami, M. (2022). Artificial neural network for ecological-economic zoning as a tool for spatial planning. Pesquisa Agropecuária Brasileira, 52(11):1050–1062.
Silva, J. S. V. and Santos, R. F. (2011). Estratégia metodológica para zoneamento ambiental: a experiência aplicada na Bacia Hidrográfica do Rio Taquari. Embrapa Informática Agropecuária, Campinas, SP.
Silva, L. A. and Costa, J. A. F. (2011). A graph partitioning approach to SOM clustering. In 12th Intl Conf. on Intelligent Data Engineering and Automated Learning - IDEAL.
Silva, M. A. S. d., Maciel, R. J. S., Matos, L. N., and Dompieri, M. H. G. (2018). Automatic environmental zoning with Self-Organizing Maps. MESE, 4(9):872–881.
Silva, M. A. S. d., Matos, L. N., Santos, F. E. d. O., Dompieri, M. H. G., and Moura, F. R. d. (2022). Tracking the connection between Brazilian agricultural diversity and native vegetation change by a machine learning approach. IEEE Lat Am T, 20(11):2371–2380.
Vettigli, G. (2018). Minisom: minimalistic and NumPy-based implementation of the Self Organizing Map. Available at: https://github.com/JustGlowing/minisom/.
Kohonen, T. (2001). Self-Organizing Maps. Berlin: Springer.
Sadeck, L. W. R., de Lima, A. M. M., and Adami, M. (2022). Artificial neural network for ecological-economic zoning as a tool for spatial planning. Pesquisa Agropecuária Brasileira, 52(11):1050–1062.
Silva, J. S. V. and Santos, R. F. (2011). Estratégia metodológica para zoneamento ambiental: a experiência aplicada na Bacia Hidrográfica do Rio Taquari. Embrapa Informática Agropecuária, Campinas, SP.
Silva, L. A. and Costa, J. A. F. (2011). A graph partitioning approach to SOM clustering. In 12th Intl Conf. on Intelligent Data Engineering and Automated Learning - IDEAL.
Silva, M. A. S. d., Maciel, R. J. S., Matos, L. N., and Dompieri, M. H. G. (2018). Automatic environmental zoning with Self-Organizing Maps. MESE, 4(9):872–881.
Silva, M. A. S. d., Matos, L. N., Santos, F. E. d. O., Dompieri, M. H. G., and Moura, F. R. d. (2022). Tracking the connection between Brazilian agricultural diversity and native vegetation change by a machine learning approach. IEEE Lat Am T, 20(11):2371–2380.
Vettigli, G. (2018). Minisom: minimalistic and NumPy-based implementation of the Self Organizing Map. Available at: https://github.com/JustGlowing/minisom/.
Publicado
08/11/2023
Como Citar
BARRETO, Pedro V. de A.; SILVA, Marcos A. S. da; MATOS, Leonardo N.; MIRANDA JÚNIOR, Gastão F.; DOMPIERI, Márcia H. G.; MOURA, Fábio R. de; RESENDE, Fabrícia K. S..
Automatic Segmentation of the Self-organizing Map to Support Territorial Zoning. In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA (SBIAGRO), 14. , 2023, Natal/RN.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 396-401.
ISSN 2177-9724.
DOI: https://doi.org/10.5753/sbiagro.2023.26584.
