Seleção de Características

O processo de seleção de características deve obter, a partir das imagens das asas, os padrões necessários para cada espécie no conjunto de dados das amostras. Esse processo envolve desde a aquisição da imagem, armazenada no conjunto de dados, até a completa formatação do arquivo necessário para classificação no algoritmo FNN4Bees. Dentre os passos que são envolvidos no processo de seleção de características, alguns devem ser realizados pelos especialistas, como a colocação, nas figuras, dos marcos anatômicos.

Nesse processo, as imagens apresentadas aos biólogos especialistas encontram-se como apresentada na Figura 14.

Figura 14 - Imagem de uma Asa da espécie Scaura latittarsis

A Figura 14 é um exemplo de imagem de uma asa da espécie de abelha sem ferrão denominada Scaura latittarsis.

As imagens das diversas espécies podem variar em contraste, tamanho, dimensão, posição, entre outros fatores. Quanto melhor a qualidade dessa imagem, melhor será a classificação dela, pois, ruídos nas imagens podem provocar a deformação no momento da colocação do marco anatômico pelo especialista e confundir o padrão dessa espécie no algoritmo FNN4Bees.

A partir dessas imagens os especialistas marcam os pontos relacionados aos marcos anatômicos.

A Figura 15 mostra como ficam os pontos (em vermelho) nessas imagens após as suas identificações.

Figura 15 - Imagem da Asa de uma amostra da espécie Scaura latitarsis com os marcos anatômicos colocados

Após a colocação dos marcos anatômicos nas imagens das asas, o especialista utiliza o programa TPSDig para obter o arquivo no formato da Figura 16.

Figura 16 - Arquivo do conjunto de dados em formato TPS

A Figura 16 mostra o exemplo de conjunto de dados que contém diversos pontos referentes aos marcos anatômicos de imagens da asa de abelha apresentada pela Figura 15.

O arquivo apresentado na Figura 16 contém parte das espécies listadas com seus respectivos pontos, juntamente com um ID, que é um número de identificação e o nome da imagem seguido da extensão do arquivo que contém a imagem. A representação de cada imagem de asa segue o modelo apresentado no arquivo sendo que esse modelo deve conter, sequencialmente, a quantidade de marcos anatômicos definidos na imagem (representado no arquivo por "LM=11"), a próxima

linha mostra as coordenadas x e y do primeiro marco, e segunda linha mostra as coordenadas x e y do segundo marco e assim segue até o último marco. Por último, deve conter uma linha que mostre qual o nome do arquivo de imagem no qual essas informações foram extraídas (como em "IMAGE=...") e seu respectivo formato de aquivo (no caso definido por ".jpg").

O processo de alinhamento e padronização por meio de centróides do programa TPSRelw transforma os pontos referentes aos marcos anatômicos no documento apresentado na Figura 17.

Figura 17 - Arquivo dos pontos alinhados (align species) do software TPSRelw

A Figura 17 mostra os pontos do arquivo do conjunto de dados já alinhados e padronizados. As primeiras linhas deste arquivo são ignoradas pelo algoritmo FNN4Bees, as linhas consideradas no processo correspondem aos dados representados pelos números em notação científica (apresentados a partir da linha 11 no arquivo da Figura 17). O primeiro número em notação científica apresentado no arquivo representa a coordenada X da primeira amostra da espécie 0, o segundo número é a coordenada Y correspondente, o terceiro número é a segunda coordenada X e assim por diante, as quantidades de coordenadas X e Y são de acordo com a quantidade de marcos anatômicos que foram definidos e a quantidade total de pontos é referente a quantidade de amostras da espécie 0. O algoritmo FNN4Bees utiliza expressões regulares (do tipo "-[0-9.].*") que foram definidas para encontrar essas coordenadas no arquivo e em seguida armazená-las

em um vetor de pontos flutuantes para serem utilizadas posteriormente no algoritmo.

As espécies que constituem o conjunto de dados, definido pela quantidade de amostras que estão presentes no arquivo da Figura 17, são alocadas sequencialmente no vetor.

Desta maneira, um vetor deve ser criado na implementação do algoritmo FNN4Bees para armazenar a ordem na qual as espécies estão alocadas. A priori, sabe-se como as espécies estão organizadas no conjunto e a inclusão de novas amostras deve seguir essa ordem, ou seja, serem inseridas no final do vetor. A ausência de uma espécie no conjunto pode resultar, como será dito mais adiante, em conflitos pelo algoritmo kNN. Porém, na implementação da Fuzzy kNN, esses conflitos são resolvidos pela verificação dos resultados de valores dispersos para o grau de pertinência da função da Fuzzy kNN. A inclusão de novas espécies no conjunto auxilia a completude do sistema e diminui o espalhamento do grau de pertinência, uma vez que novos espécimes poderão ser reclassificados em suas respectivas espécies.

Existe um formato padrão para a entrada de dados no algoritmo FNN4Bees, em que todos os elementos devem ser descritos como pontos flutuantes separados por uma vírgula, como exemplificado na lista da Figura 18.

Alguns aspectos do algoritmo FNN4Bees devem ser antes elucidados. O Algoritmo FNN4Bees está dividido em três etapas.

1. A primeira etapa se refere à busca por padrões entre os marcos anatômicos de cada espécie do banco de dados. Esse processo é denominado de Busca de padrões entre as espécies do conjunto de dados. Neste processo, é realizado uma primeira execução do kNN entre os pontos de uma mesma espécie, analisando quais desses pontos são mais próximos e excluindo aqueles que estão mais distantes;

2. A segunda etapa é considerada uma etapa classificatória, que é realizada pelo kNN. Porém, nesta etapa, a classificação não é válida, pois não está em seu estado ótimo. Nesta etapa são armazenadas as distâncias entre os vizinhos mais próximos que são utilizadas na próxima etapa;

3. A terceira e última etapa consiste em obter uma Ordem de Significância entre os marcos anatômicos mais significativos (utilizando métodos estatísticos) e aplicar a esta Ordem, a Fuzzy kNN.

Para melhor compreensão de todas essas etapas, os aspectos que envolvem esses métodos são detalhados nos próximos itens.