UMA HEURÍSTICA PARA OTIMIZAÇÃO DO LAYOUT ESPACIAL DE ATRIBUTOS NA CONVERSÃO DE DADOS TABULARES EM IMAGENS PARA CLASSIFICAÇÃO

Este trabalho investiga a otimização do layout espacial de atributos na conversão de dados tabulares em imagens para classificação por redes neurais convolucionais. A proposta formula a construção do layout como um problema de otimização combinatória, no qual atributos mais semelhantes são alocados em posições próximas de uma grade bidimensional. Utiliza-se uma função objetivo baseada na similaridade entre atributos e na distância entre suas posições, resolvida por uma heurística de busca local. O método foi avaliado nos datasets públicos Madelon e BreastCancer, em comparação com arranjos aleatório e sequencial. Os resultados indicaram que o layout otimizado produziu menor custo estrutural e os melhores valores médios de acurácia e f1-score em ambos os conjuntos, com ganhos mais evidentes no Madelon. Tais resultados sugerem que a organização espacial dos atributos é um componente relevante da abordagem tabular-imagem e um tema promissor para integração de Pesquisa Operacional e aprendizado de máquina.