@inproceedings{ResumoEste2010Minera\c{c}\~{a}ob,
title = {Aplica\c{c}\~{a}o de M\'{a}quina de Vetor de Suporte na Classifica\c{c}\~{a}o de Sinais Ac\'{u}sticos de Navios Utilizando Dados de Frequ\^{e}ncia e RPM. Mikey da Silva Neto, Moacyr Machado Cardoso J\'{u}nior, Rodrigo Arnaldo Scarpel1 Pra\c{c}a Marechal Eduardo Gomes, 50 - Vila das Ac\'{a}cias S\~{a}o Jos\'{e} dos Campos \textendash SP \textendash Brasil CEP: 12228-900},
author = {ResumoEste identifica\c{c}\~{a}o},
url = {https://www.sige.ita.br/edicoes-anteriores/2010/st/XIII_4.pdf},
year = {2010},
date = {2010-01-01},
booktitle = {Simp\'{o}sio de Aplica\c{c}\~{o}es Operacionais em \'{A}reas de Defesa 2010 (SIGE2010)},
abstract = {Este artigo apresenta um estudo para identifica\c{c}\~{a}o de sinais ac\'{u}sticos utilizando M\'{a}quina de Vetor de Suporte (MVS). Os dados utilizados foram obtidos atrav\'{e}s da an\'{a}lise de frequ\^{e}ncias principais, mais especificamente, lofargrama e demongrama, cujo objetivo \'{e} prover a um submarino a capacidade de reconhecer classe de navios necess\'{a}rios tanto \`{a} seguran\c{c}a da navega\c{c}\~{a}o assim como identifica\c{c}\~{a}o de alvos em cen\'{a}rios de beliger\^{a}ncia. Os dados de frequ\^{e}ncia principal cont\^{e}m os atributos de frequ\^{e}ncia sonora provenientes das m\'{a}quinas e RPM do eixo- propulsor dos navios. T\'{e}cnicas MVS foram usadas com o algoritmo Grid Search para extra\c{c}\~{a}o dos par\^{a}metros \'{o}timos da fun\c{c}\~{a}o Kernel. Os resultados mostraram uma boa performance na classsifica\c{c}\~{a}o de navios usando os atributos selecionados, bem como um baixo custo computacional relativo. Palavras-chave: Minera\c{c}\~{a}o de Dados, Aprendizado de M\'{a}quina, Pesquisa Operacional Militar.},
keywords = {Aprendizado de M\'{a}quina, Minera\c{c}\~{a}o de Dados, Pesquisa Operacional Militar},
pubstate = {published},
tppubtype = {inproceedings}
}
Este artigo apresenta um estudo para identificação de sinais acústicos utilizando Máquina de Vetor de Suporte (MVS). Os dados utilizados foram obtidos através da análise de frequências principais, mais especificamente, lofargrama e demongrama, cujo objetivo é prover a um submarino a capacidade de reconhecer classe de navios necessários tanto à segurança da navegação assim como identificação de alvos em cenários de beligerância. Os dados de frequência principal contêm os atributos de frequência sonora provenientes das máquinas e RPM do eixo- propulsor dos navios. Técnicas MVS foram usadas com o algoritmo Grid Search para extração dos parâmetros ótimos da função Kernel. Os resultados mostraram uma boa performance na classsificação de navios usando os atributos selecionados, bem como um baixo custo computacional relativo. Palavras-chave: Mineração de Dados, Aprendizado de Máquina, Pesquisa Operacional Militar.
