visao computacional

PRÁTICA 7
Instruções:
•
•
•
•

•

Essa prática consiste de 2 exercícios (E_1 e E_2).
Deve-se colocar comentários nos programas desenvolvidos. As perguntas devem ser respondidas também como comentários no arquivo.
Deve-se tornar o diretório onde estão as figuras e os arquivos *.m como um diretório padrão do Matlab.
Depois de terminado os exercícios, todos os arquivos *.m devem ser comprimidos em um único arquivo e enviado ao professor pelo site de upload da
IRIS até a data máxima de entrega. Incluir também, no arquivo comprimido, todos os arquivos das imagens utilizadas nos exercícios!
Deve ser gerado um arquivo no editor do Matlab (extensão *.m) para cada exercício pedido. Utilizar o padrão mostrado na Figura abaixo para seus arquivos
*.m:
1. Colocar um cabeçalho contendo seu nome, número USP e o número do exercício correspondente (E1, E2, E3...);
2. Iniciar todos os exercícios com os 3 comandos mostrados na Figura abaixo, que servem para limpar as variáveis e as figuras abertas, além de limpar a tela de comando do Matlab;
3. Colocar comentários nas linhas de programa.

1) Análise de Agrupamentos (Cluster Analysis).
O arquivo M.dat refere-se a um vetor coluna com uma população de 810 Vetores de Características no formato [6 x 1] concatenados em um único vetor de [4860 x 1].

E_1: Para ler o arquivo M.dat e colocá-lo no formato de uma Matriz de Vetores de
Características utilizar: load M.dat g = numel(M)/6;
V = reshape(M,g,6);

%Número de Vetores de Características
%Matriz dos dados no formato g x 6

E_2: Realizar a análise de Agrupamentos dos Vetores de Características (6 x 1) contidos no arquivo M.dat, obtendo:
a) A Matriz de Similaridades
b) O Dendrograma
c) Variar o Threshold e analisar os grupos gerados, obtendo através do Método de
Ligação, os centróides (Vetores centróides) para os 3 maiores agrupamentos.
d) Escolher k-centróides obtidos com a análise hierárquica anterior e aplicar o método K-means para tentar