Rubens Lopes de Oliveira

Título


O emprego da análise multi-modos na classificação de contatos sonar passivo.

Orientador(es)


Nelson Francisco Favilla Ebecken
Beatriz de Souza Leite Pires de Lima

Resumo



Ao navegar, cada navio irradia um ruído único, ocorrendo semelhanças quando as embarcações pertencem a uma mesma classe. A distinção entre classes de navios através da análise desse ruído é uma tarefa não trivial. Este trabalho utiliza-se da Análise Multi-modos como ferramenta para modelar um padrão de assinatura acústica compacto e robusto ao ruído de fundo, dispensando a necessidade de um especialista no processo de classificação dos contatos. O método de decomposição paralela CANDECOMP/PARAFAC é utilizado para garantir uma estrutura mínima representativa das instâncias dos dados, expurgando dos mesmos as informações pouco relevantes ou irrelevantes ao processo de mapeamento navio-classe. O modelo de assinatura acústica produzido mostrou-se ainda imune a um tipo problema presente na base de dados disponibilizada originalmente para este trabalho, e muitas vezes presentes em bases de dados com grande desbalanceamento de classes, provavelmente, correlacionado com o problema de “Pequenos Disjuntos”. A validação do modelo foi realizada com dados reais disponibilizados pela Marinha do Brasil.

Abstract


While navigating, each ship radiates a particular noise but similarities occurs when some of them belongs to the same class. The distinction between classes of ships through the analysis of its particular noise is non-trivial. This work uses Multi-ways Analysis to modeling a compact acoustic signature pattern robust to environment noise, so it is not necessary to have a specialist in the classification process. The CANDECOMP/PARAFAC decomposition parallel method is used to obtain a minimum representative structure of data instances to eliminate irrelevant information for mapping process ship-class. The model of acoustic signature produced has shown imunit to a problem related with databases having great unbalancing of class and probably correlated with a typical problem known as “Small Disjuncts”. The model was validated with real data.

Imprimir