TensorAnalyzer: Identificação de Padrões Urbanos em Grandes Cidades usando Fatoração de Tensores Não-Negativos (2022)
- Authors:
- Autor USP: SILVEIRA, JAQUELINE ALVARENGA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/T.55.2022.tde-17022023-103415
- Subjects: CRIME; ROUBO; HOMICÍDIO; CRIMINOLOGIA; VALORES ATÍPICOS; ANÁLISE DE DADOS; ESCOLAS
- Keywords: Clustering; Clusterização; Decomposição de Tucker; Homicides; Schools; Tucker decomposition
- Agências de fomento:
- Language: Português
- Abstract: Grandes cidades como São Paulo (a maior da América Latina), tipicamente apresentam grandes volumes de crimes que vão desde roubos até homicídios. O aumento de atividades criminais em São Paulo tem despertado o interesse de especialistas de criminologia em compreender o relacionamento entre atividades criminais e as características no entorno de escolas, homicídios, etc. No entanto, a extração de relevantes padrões pode se tornar uma tarefa complicada ao empregar algoritmos de clusterização clássicos, isso porque existem muitos parâmetros para configurar e também o usuário ainda tem que se preocupar com os outliers presentes nos dados. Deste modo, este trabalho apresenta uma nova abordagem para detectar padrões relevantes de múltiplas fontes de dados baseada em decomposição de tensor. O desempenho da abordagem proposta é atestada para validar a qualidade dos padrões identificados em comparação com abordagens clássicas. O resultado indica que a abordagem pode efetivamente identificar padrões úteis para caracterizar o conjunto de dados para análise posterior na obtenção de uma boa qualidade de agrupamento. Além disso, um framework genérico nomeado TensorAnalyzer foi desenvolvido, em que a eficácia e a utilidade da metodologia proposta são destacadas por experimentos em conjuntos de dados sintéticos e do mundo real, sendo desenvolvidos dois estudos de caso, em que o primeiro estudo mostra a relação entre o entorno das escolas e os padrões criminais e o segundo estudo buscacompreender os padrões no entorno dos homicídios.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2022
- Data da defesa: 08.12.2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SILVEIRA, Jaqueline Alvarenga. TensorAnalyzer: Identificação de Padrões Urbanos em Grandes Cidades usando Fatoração de Tensores Não-Negativos. 2022. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-17022023-103415/. Acesso em: 02 abr. 2026. -
APA
Silveira, J. A. (2022). TensorAnalyzer: Identificação de Padrões Urbanos em Grandes Cidades usando Fatoração de Tensores Não-Negativos (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-17022023-103415/ -
NLM
Silveira JA. TensorAnalyzer: Identificação de Padrões Urbanos em Grandes Cidades usando Fatoração de Tensores Não-Negativos [Internet]. 2022 ;[citado 2026 abr. 02 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-17022023-103415/ -
Vancouver
Silveira JA. TensorAnalyzer: Identificação de Padrões Urbanos em Grandes Cidades usando Fatoração de Tensores Não-Negativos [Internet]. 2022 ;[citado 2026 abr. 02 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-17022023-103415/ - São Paulo city homicides and their surroundings: from non-negative tensor factorization to pattern identification
- Análise dos impactos das variáveis de renda, trabalho e educação sobre o IPM
- CrimAnalyzer: understanding crime patterns in São Paulo
- Mirante: a visualization tool for analyzing urban crimes
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
