O problema de detecção de clusters espaciais irregulares : uma nova abordagem multiobjetivo.

Abstract

Métodos visando a detecção e inferência de clusters espaciais são de grande relevância. Isso se deve a aplicabilidade em problemas de notória importância como na saúde publica, mas também pelo interesse científico no desenvolvimento eficaz destes métodos. As principais técnicas são baseadas na estatística espacial scan e muitas abordagens vinculam esta estatística a métodos estocásticos de otimização. Recentemente, em conjunto com a estatística, funções de penalização têm sido propostas, com a finalidade de controlar a irregularidade excessiva da forma dos clusters candidatos. Este estudo apresenta um novo método baseado na estatística scan em conjunto com uma nova função de penalização geográfica dos clusters candidatos que apresentam enormes lacunas em suas áreas, a função de Dispersão. O objetivo principal é propor uma abordagem de otimização multiobjetivo para o problema visando maximizar o valor da estatística e minimizar o valor da nova função de penalização, usando a técnica de computação evolucionaria Particle Swarm Optimization, resultando ao final em um conjunto de soluções não-dominadas representadas pela fronteira Pareto-ótimo. Resultados obtidos com a realização de experimentos usando um conjunto de aplicações do problema mostram que a abordagem multiobjetivo associada a função de dispersão é um método satisfatório para o problema. Demonstrou-se que, em comparação com a função de penalização por não-conectividade e compacidade geométrica, a abordagem associada a função de dispersão é rápida e adequada para a detecção de clusters espaciais irregulares.