Trabalho 1: Geração de vetores de dados e métricas de distância
===============================================================

Equipe: João Paulo Pizani Flor, Maurício Oliveira Haensch
Prazo: 28/03/2011
URL: http://moodle.ufsc.br/mod/resource/view.php?id=121445


Descrição:

Implementar um programa que satisfaça as seguintes propriedades:

O programa deve ser capaz de gerar 4 tipos de conjuntos de dados:
    Um conjunto de dados 2D (duas variáveis apenas).
    Um conjunto de dados ND (com um grande número de variáveis)
    Conjuntos de dados de espiral simples.
    Conjuntos de dados de espiral dupla.

Implemente o cálculo da Distância de Manhattan e da Distância Euclidiana entre padrões de dimensões
arbitrárias, de maneira que possam ser usados para todos os conjuntos de dados gerados.

Implemente o algoritmo de NN (Nearest Neighbour) e kNN (k-Nearest Neighbours) e teste em todos os
4 conjuntos de dados.


Observações:

* Os dados 2D e ND podem ser utilizados a partir de conjuntos de dados disponíveis nos sites sugeridos.

* Os dados em espiral devem ser gerados a partir de algoritmos que você mesmo vai implementar. Inclua 
no algoritmo a possibilidade de introduzir ruído na geração dos dados (através, por exemplo, de uma
variável aleatória que modifica levemente o comprimento do raio gerado para o próximo ponto).

* Observe que na espiral dupla cada braço da espiral em seu total representa uma classe.

* O programa deve ser capaz de desenhar os padrões na tela com cores distintas para cada classe.

* Deve ser possível entrar com padrões arbitrários (2D e ND) para que o programa os classifique.



Implementação:

* Linguagem: Python
* Interface
    Plotagem dos dados (GUI): Gnuplot
    Interface Python/Gnuplot: Gnuplot.py (http://gnuplot-py.sourceforge.net)