Análise de desempenho de modelos de classificação de elementos arquitetônicos em modelos BIM

Brito, Elke Natan Souza

Use este identificador para citar ou linkar para este item: https://ri.ufs.br/jspui/handle/riufs/13505

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	Brito, Elke Natan Souza	-
dc.date.accessioned	2020-06-27T01:36:25Z	-
dc.date.available	2020-06-27T01:36:25Z	-
dc.date.issued	2020-05	-
dc.identifier.citation	Brito, Eike Natan Sousa.Análise de desempenho de modelos de classificação de elementos arquitetônicos em modelos BIM. São Cristóvão, SE, 2020. Monografia (graduação em Ciência da Computação) - Departamento de Computação, Centro de Ciências Exatas e Tecnologia, Universidade Federal de Sergipe, São Cristóvão, SE. 2020	pt_BR
dc.identifier.uri	http://ri.ufs.br/jspui/handle/riufs/13505	-
dc.language	por	pt_BR
dc.subject	Ciência da computação	por
dc.subject	Engenharia de software	por
dc.subject	Floresta aleatória	por
dc.subject	Aprendizado de máquina	por
dc.subject	SVM	por
dc.subject	SVM One-Class	por
dc.title	Análise de desempenho de modelos de classificação de elementos arquitetônicos em modelos BIM	pt_BR
dc.type	Monografia	pt_BR
dc.contributor.advisor1	Carvalho, Andre Britto de	-
dc.description.resumo	Com a busca de novas tecnologias, a construção civil se depara com o BIM (Building Information Modeling), um modelo capaz de conectar diversas áreas e participar do ciclo todo de vida do projeto. Porém, esse modelo não é tão simples de ser desenvolvido e a quantidade de dados que fornece acaba dificultando a construção e avaliação do mesmo. Para isso, desenvolvedores começaram a utilizar de técnicas de aprendizagem de máquina para auxiliar na classificação de objetos em modelos BIM. O objetivo desse trabalho foi extrair os dados BIM e converte-los para um arquivo IFC, onde foi desenvolvido um sistema capaz de ler os dados, transforma-los em dataframes, onde serão utilizados para treinamento e teste dos modelos criados (máquina de vetor de suporte, máquina de vetor de suporte com hiperparâmetros, máquina de vetor de suporte de classe única, árvore de decisão, floresta aleatória e PU learning), para enfim, realizar três experimentos e compara-los para obter os melhores e piores classificadores para predição de paredes, portas e janelas em projetos arquitetônicos. Como base do projeto, utilizará um trabalho da literatura, onde todo o processo será replicado e depois melhorado de acordo com os problemas encontrados. A partir dos dados obtidos serão comparadas e averiguadas as diferenças de cada projeto e quanto impacta no valor de predição do modelo no problema, além de demonstrar uma classificação para cada um dos classificadores criados a partir do problema.	pt_BR
dc.publisher.department	DCOMP - Departamento de Computação – Ciência da Computação – São Cristóvão - Presencial	pt_BR
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO	pt_BR
dc.publisher.initials	Universidade Federal de Sergipe	pt_BR
dc.contributor.advisor-co1	Brasiel, Marco Antônio	-
dc.description.local	São Cristóvão, SE	pt_BR
Aparece nas coleções:	Computação

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
Eike_Natan_Sousa_Brito.pdf		1,26 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas