Desenvolvimento de métodos para redução de dimensionalidade do espaço de características para reconhecimento de padrões

Resumo

Nas últimas duas décadas as imagens médicas têm sido fundamentais para detecção, diagnóstico e tratamento dos mais diversos tipos de patologias. A tarefa de reconhecimento de padrões requer a conversão de padrões presentes nas imagens em características que descrevem as regiões de interesse de forma concisa. No entanto, em aplicações médicas, o número de características pode se tornar muito grande, sendo que muitas delas podem não ser essenciais para a solução do problema. Sendo assim, a redução de dimensionalidade tem papel importante no desempenho de métodos de classificação. Este trabalho apresenta dois métodos de redução do espaço de características, um baseado em seleção de características (Rough Sets) e outro baseado em transformação de características (PCA).