Comparação de algoritmos de clustering hierárquico em dados reais: um estudo de caso na agricultura

Thiago Trevisan, Marcelo Ziglioli, Anderson Algacir Mallmann, Pedro Luis Paula Filho, Jean Metzz

Resumo


Um dos custos relacionados à atividade agrícola provém da aplicação de defensivos ou adubos na
área de plantação. Usualmente a aplicação desses compostos é realizada em toda a área cultivada gerando
gastos desnecessários. Com intuito de minimizar esses gastos, técnicas de agricultura de precisão são utilizadas para identificar as subáreas da lavoura nas quais se faz necessária a aplicação desses compostos. Neste trabalho apresentamos um estudo de caso considerando informações físico-químicas do solo e aspectos de coloração das folhas de soja para a análise exploratória desses dados por meio de aprendizado
de máquina não-supervisionado. O objetivo é comparar diferentes algoritmos de agrupamento hierárquico para identificar os métodos mais adequados para esse domínio de aplicação e futuramente encontrar evidências para facilitar a identificação automática das necessidades específicas de cada subárea da lavoura. A partir dos resultados obtidos observa-se a presença de alguns padrões nos dados, os quais serão explorados e explicados em trabalhos futuros.

Texto completo:

PDF

Apontamentos

  • Não há apontamentos.


Direitos autorais 2016 CC-BY-NC

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição - NãoComercial 4.0 Internacional.

 

 
ft_peri

Av. Sete de Setembro, 3165 - Rebouças CEP 80230-901 - Curitiba - PR - Brasil

logo_utfpr