Repositório referente ao artigo Calibração de Distância em Método de Acesso Métrico por meio de Realimentação de Relevância
Sobre
No artigo "Calibração de Distância em Método de Acesso Métrico por meio de Realimentação de Relevância" desenvolvemos uma metodologia que demonstra a inclusão de funções de distâncias ponderadas em estruturas de indexação como Métodos de Acesso Métrico (MAM), mais especificamente a Slim-Tree. Este artigo é relevante, pois os MAMs utilizam funções de distância para realizar a construção da árvore métrica, gerando uma indexação baseada na distância entre os elementos da base, o que por sua vez impede que um MAM consiga indexar os elementos utilizando duas ou mais funções de distância na mesma indexação (pois são obtidos espaços métricos diferentes). Um vetor de pesos corretamente aprendido (Realimentação de Relevância), permite aprimorar a semântica dos dados, melhorando assim a acurácia e precisão das consultas por similaridade. Desta forma, permitir o uso de funções de distância ponderadas em um MAM, que reajusta o formato de busca dos algoritmos de consultas por similaridade como KNN e Range, irá ajudar a melhorar a precisão dos resultados da consulta, reduzindo o impacto de elementos irrelevantes em uma consulta por similaridade. Além disso, é possível fazer uso da eficácia de recuperação da estruturas de MAMs sendo mais rápido em relação a estratégias sequenciais que utilizam matriz de distâncias.
Métodos de avaliação
Os métodos de avaliação foram a Mean Precision Average e Acurácia (validação cruzada) sobre três bases de dados (COREL1000, Kaggle-COVID BUSI-Breast) em complemento da análise qualitativa com visualização T-SNE do espaço métrico transformado.
Metodologia
Utilização de Métodos de Acesso Métrico por meio de Realimentação de Relevância
Algoritmo revisado RR Desvio Padrão
Metodologia de reindexação do Método de Acesso Métrico
Extração de Características: Em scripts/1_extracao_de_caracteristicas contém os códigos relacionados para extração de características do tipo gray histogram e textures. Cada código gera o csv gerando o vetor de características das imagens da base de dados e informações complementares.
Experimentos do artigo: Em scripts/2_experimento_google_colab contém o código dos experimentos realizados do artigo. Para o funcionamento do código é preciso passar os paths de cada csv da base de dados que estejam localizados no Google Drive.
Funções Ponderadas no MAM: Em scripts/3_funcao_distancia_ponderada_slimtree contém os códigos relacionados a implementaçao de funções de distância ponderadas no método de acesso métrico Slim-Tree, os códigos foram executados no SO Ubuntu 24 e precisam ser acoplados na biblioteca arboretum disponibilizada em: https://bitbucket.org/gbdi/arboretum/src/master/
