Banca de DEFESA: FERNANDO ELIAS DE MELO BORGES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: FERNANDO ELIAS DE MELO BORGES
DATA: 29/07/2022
HORA: 08:00
LOCAL: Virtual
TÍTULO:

APLICAÇÃO DE ALGORITMOS DE APRENDIZAGEM DE MÁQUINA NA IDENTIFICAÇÃO DE REGISTROS ESPÚRIOS
NO CADASTRO AMBIENTAL RURAL

PALAVRAS-CHAVES:

Cadastro Ambiental Rural, Classificação de dados, Desbalanceamento de classes, Aprendizagem de Máquina Interpretável, Ciência de dados

PÁGINAS: 132
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Medidas Elétricas, Magnéticas e Eletrônicas; Instrumentação
ESPECIALIDADE: Sistemas Eletrônicos de Medida e de Controle
RESUMO:

O Cadastro Ambiental Rural (CAR) consiste em um registro público eletrônico obrigatório para todos os imóveis rurais do território brasileiro, integra informações ambientais das propriedades, auxiliando no monitoramento ambiental e contribui em ações de combate ao desmatamento. Entretanto, um grande número de cadastros
é realizado de maneira errônea gerando dados inconsistentes, levando estes a serem cancelados e/ou a serem pedidas retificações para o devido preenchimento do cadastro. Realizar estas análises, identificando os cadastros preenchidos de maneira incorreta (espúrios) manualmente, possui um grande custo, dada a necessidade de
mão de obra e demandaria um grande período de tempo, dada a imensa quantidade de imóveis rurais no Brasil. Neste contexto, este trabalho tem como objetivo fornecer um sistema inteligente baseado em aprendizagem de máquina que permita verificar e classificar os registros do CAR em aprovados ou cancelados de maneira rápida e eficaz. O método proposto passa por diversas etapas do processo de mineração de dados. Passando pelo pré-processamento, onde foram avaliação as variáveis contidas na base de dados, seguida pela seleção dos atributos mais importantes para a classificação dos registros. Após a decisão do melhor conjunto de atributos, foi realizado um tratamento do desbalanceamento entre as classes utilizando técnicas de oversampling para geração de dados sintéticos e balanceamento das classes para o treinamento dos classificadores. Finalizadas as análises de pré-processamento, foram aplicados 6 modelos classificação e avaliados seus resultados de acordo com cada formato de pré-processamento. Seguinte a avaliação dos classificadores, foram utilizados algoritmos de interpretação para avaliar quais variáveis mais impactaram na classificação e como impactam. Os resultados preditivos mostram índices de desepenho em classificação acima de 90% para todas as medidas de avaliação
utilizadas no conjunto de validação e as interpretações elencaram as variáveis que mais influenciam na classificação automática.

MEMBROS DA BANCA:
Interno - WILIAN SOARES LACERDA (Membro)
Presidente - DANTON DIEGO FERREIRA (Membro)
Interno - BRUNO HENRIQUE GROENNER BARBOSA (Suplente)
Externo à Instituição - AUGUSTO SANTIAGO CERQUEIRA - UFJF (Suplente)
Externo à Instituição - ALEXANDRE GONÇALVES EVSUKOFF - UFRJ (Membro)