Defesa de Dissertação Dênis Xavier, dia 31/03/17, as 09:30, Sala de Seminários, DEEST, ICEB III

Defesa de Dissertação Dênis Ricardo Xavier de Oliveira, dia 31/03/17, as 09:30, Sala de Seminários, DEEST, ICEB III

Banca: Prof. Dr. Gladston Juliano Prates Moreira - UFOP; Prof. Dr. Marcone Jamilson Freitas Souza - UFOP; Prof. Dr. Anderson Ribeiro Duarte - UFOP; Prof. Dr. André Luiz Fernandes Cançado - UNB.

Métodos visando a detecção e inferência de clusters espaciais são de grande relevância.
Tanto pela sua aplicabilidade em problemas de notória importância como na saúde
pública, mas também pelo interesse científico no desenvolvimento eficaz destes métodos. As
principais técnicas são baseadas na estatística espacial scan e muitas abordagens vinculam
esta estatística a métodos estocásticos de otimização. Recentemente, em conjunto com a
estatística, funções de penalização têm sido propostas, com a finalidade de controlar a
irregularidade excessiva da forma dos clusters candidatos. Este estudo apresenta um novo
método baseado na estatística scan em conjunto com uma nova função de penalização
geográfica dos clusters candidatos que apresentam enormes lacunas em suas áreas, a função
de Dispersão. O objetivo princial é propor uma abordagem de otimização multiobjetivo
para o problema visando maximizar o valor da estatística e minimizar o valor da nova
função de penalização, usando a técnica de computação evolucionária Particle Swarm
Optimization, resultando ao final em um conjunto de soluções incomparáveis representadas
pela fronteira Pareto-ótimo. Resultados obtidos com a realização de experimentos usando
um conjunto de aplicações do problema mostram que a abordagem multiobjetivo associada
a função de dispersão é um método satisfatório para o problema. Demostrou-se que, em
comparação com a função de penalização por não-conectividade e compacidade geométrica,
a abordagem associada a função de dispersão é mais rápida e adequada para a detecção
de clusters espaciais irregulares.