Navegando por Orientador "MACEDO, Daniel Leal"
Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Improving diffraction pattern recognition using kNN(2017-03-24) LIMA, Andrey Marcos Souza da Silva de; MACEDO, Daniel Leal; http://lattes.cnpq.br/9214518175955901Este trabalho reforça a importância do reconhecimento de padrão para classificar eventos sísmicos como por exemplo difratores, difratores de canto, refletores e pontos vazios. A identificação e processamento de difrações podem ser utilizados para a construção de modelos de velocidade e imagens de estruturas geológicas. As respostas do operador de difração são analisadas usando um algoritmo para calcular dois pares de três parâmetros que caracterizam um evento. O método kNN é usado para classificar estes eventos como difratores, refletores, difrações de canto e pontos vazios baseados em seus operadores de difrações. Visto que o método kNN usa uma medida de distância, esse trabalho compara a classificação usando as distâncias Euclideana e de Mahalanobis. Os resultados mostram que o domínio e10-e6-e3 usando a distância de Mahalanobis é o melhor domínio para agrupar e classificar os eventos.