Quantização Vetorial Utilizando O Algoritmo Kmeans

Resumo

Quantização Vetorial possui várias aplicações, tais como imagem e compressão de voz, reconhecimento

de fala e já possui estudos em que é possível a renderização de volume utilizando

tal técnica. Neste trabalho, uma imagem 256x256 pixels, foi quantizada através do

algoritmo das k-médias e da utilização do software MATLAB.

I. Introdução

Dada a ampliação da nossa capacidade de gerar

e armazenar informações, as bases de dados

estão cada vez maiores e se tornam de difícil

tratamento, caso não haja um procedimento

automático para sua análise. Nesse sentido,

técnicas de agrupamento de dados têm se tornado

um tópico muito importante dentro de

uma área mais ampla conhecida como minera-

ção de dados.

Agrupamento de dados (ou clusterização)

é o processo de agrupar um conjunto de dados

em classes ou grupos (clusters), de forma

que amostras do mesmo grupo apresentem

alta similaridade entre si e tenham pouca similaridade

com amostras de outros grupos [1].

Dessa forma, um grupo é definido como uma

coleção de dados que são similares aos dados

do mesmo grupo e diferentes daqueles de outros

grupos. Um conjunto de dados com essas

características pode ser tratado coletivamente

como uma entidade só e, portanto, o agrupamento

de dados pode ser considerado como

uma forma de compressão de dados.

Em quantização vetorial o objetivo é representar

certa distribuição de dados utilizando

um número de protótipos significativamente

menor que o número de dados. O papel desses

protótipos é aproximar estatisticamente o

conjunto de dados original. Imagine que haja

um conjunto de dados de entrada formado por

N vetores de dimensão d. A quantização vetorial

consiste em mapear esses dados em outro

conjunto de M < N protótipos, também de dimensão

d [2]. Daí advém o nome dessa técnica,

pois, no processo de quantização, os vetores

do conjunto de entrada, assim como qualquer

outro