Navegando por Palavras-chave "Clusterização"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Avaliação de uma nova metodologia para segmentação de imagens micro-FTIR utilizando PCA e k-means
    (Universidade Federal de São Paulo, 2021-02-25) Augusto, Bruno do Amarante [UNIFESP]; Pereira, Thiago Martini [UNIFESP]; http://lattes.cnpq.br/3291751276972553
    Os exames de imagens são procedimentos essenciais para a saúde. Por meio deles, de acordo com a interação do elemento biológico com a onda eletromagnética incidente, é possível obter diagnósticos mais rápidos, precisos e seguros. No diagnóstico do câncer, os exames de espectroscopia em infravermelho ajudam a diferenciar os tecidos saudáveis dos tecidos patológicos, identificando também a natureza do tumor e a sua gravidade. No entanto, a quantidade de dados gerados por esses procedimentos é alta e, portanto, leva tempo e exige uma alta capacidade de processamento computacional. Um dos caminhos para otimizar essa análise é melhorar a etapa de pré-processamento, filtrando as informações importantes e eliminando os dados repetitivos e não relevantes. Assim, o trabalho proposto tem como objetivo otimizar a etapa de pré-processamento de imagens micro-FTIR no contexto do diagnóstico de câncer, avaliando o ganho computacional do processo de clusterização k-means por meio da Análise de Componentes Principais (PCA).
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Contribuição da Abordagem Fuzzy em técnicas de agrupamento: uma aplicação em CRM
    (Universidade Federal de São Paulo, 2019-06-28) Melo, Guilherme Pantiga Figueiredo de [UNIFESP]; Santos, Emerson Gomes dos [UNIFESP]; http://lattes.cnpq.br/6587229762373764
    Atualmente o cenário em que as organizações estão inseridas é de alta competitividade e adaptar-se é essencial para sua sobrevivência e prosperidade. Neste contexto, inserir o consumidor no âmago da organização e direcionar as atenções e estratégias para ele tem papel fundamental em agregar valor e criar vantagens competitivas. Assim, a área de CRM (Customer Relationship Management) dedica-se de maneira perseverante à excelência nas tratativas com o consumidor, desde satisfação, retenção, fidelização e lucratividade até compreender e prever suas necessidades e atuando em comunicações, ofertas, produtos e relacionamentos. Para que seja possível obter êxito da atuação de CRM, é essencial o emprego de tecnologias, inteligência analítica e atuação integrada dentro das organizações. Compreender e entender o cliente neste sentido está pautado nas informações disponíveis sobre ele e atualmente o crescimento de dados vem se tornando cada vez mais presentes, possibilitando uma maior imersão na jornada em busca de satisfazê-lo. Tais dados podem ser desde a idade dos clientes até características de compras como nas variáveis RFM (recency, frequency, monetary), ou valor, recência e frequência. Sendo assim, a ciência de dados então é o alicerce que irá pautar essas análises e utilizar as informações dos consumidores de maneira que concretize aplicações dentro das organizações. Dentro da ciência de dados, a modelagem de dados é objeto que sintetiza as características da inteligência analítica, podendo ser de previsão, classificação, clusterização, entre outras. Em especial a clusterização é bastante utilizada pois é eficiente em demonstrar as características dos consumidores e então segmentá-los de forma que sejam possíveis tomar diversas decisões no âmbito organizacional. Para a proposta do trabalho, a ciência de dados foi aplicada ao campo de CRM utilizando variáveis da análise RFM e comparando técnicas de agrupamentos para demonstrar como a abordagem fuzzy possui potencial de incrementar os objetivos de CRM.