Exploración de bases de

datos mediante

agrupamiento

Autores: Daniel Aceituno Gómez (100061824)

Miguel Alcolea Sánchez (100066672)

Universidad Carlos III de Madrid

Asignatura: Inteligencia en Redes de Comunicaciones

Estructura

1. Introducción

2. Base teórica

3. Aplicación en Matlab

4. Simulación

1. Introducción

Objetivos:

Estudio de técnicas de clustering

Acercamiento a la visión artificial

Búsqueda de imágenes en bases de datos extensas

Desarrollo y evaluación del código Matlab realizado

Elementos a tener en cuenta:

Procesado de imágenes

Descriptores de Fourier

Agrupamiento mediante k-medias

Distancia Euclídea

2. Base teórica (I)

Procesado de imágenes:

Conversión a coordenadas complejas

Normalización

Descriptores de Fourier:

Descriptor de frontera

Útil para la detección de bordes y contornos

Invariante frente a:

- Traslación

- Rotación

- Escalado

Tolerante a ruido

2. Base teórica (II)

K-medias:

Inicialización aleatoria de centroides

Subdivisión en K clusters

Iterativo con criterio de parada

Distancia Euclídea:

Distancia entre dos puntos de un espacio euclídeo

Útil para comparar similitudes entre imágenes

dE P1,P2 x2 x1 2 y2 y1

2

3. Aplicación

Carga de imágenes y conversión a

complejo

Cálculo de los descriptores de

Fourier

Procesado invarianza de escalado y rotación

Algoritmo?

Siluetas animales marinos

1

Nº Imagen 2

K-medias

Dist. Eucl

4. Simulación

Imágenes de muestra:

4. Simulación

Resultados para imagen 739, k-medias:

4. Simulación

Resultados para imagen 739, distancia Euclídea:

4. Simulación

Resultados para imagen 4482, k-medias:

4. Simulación

Resultados para imagen 4482, distancia Euclídea:

4. Simulación

Resultados para imagen 4405, k-medias:

4. Simulación

Resultados para imagen 4405, distancia Euclídea:

¡Gracias por su atención!