Submitted by Luiz Felipe Barbosa (luiz.fbabreu2@ufpe.br) on 2015-03-12T12:37:10Z No. of bitstreams: 2 Dissertacao Paulo Fagner de Morais.pdf: 811388 bytes, checksum: dbb1ec75e600e9e236c5cf37a52faedf (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-13T12:53:03Z (GMT) No. of bitstreams: 2 Dissertacao Paulo Fagner de Morais.pdf: 811388 bytes, checksum: dbb1ec75e600e9e236c5cf37a52faedf (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T12:53:03Z (GMT). No. of bitstreams: 2 Dissertacao Paulo Fagner de Morais.pdf: 811388 bytes, checksum: dbb1ec75e600e9e236c5cf37a52faedf (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-02-28 / Sistemas de Múltiplos Classificadores se tornaram uma alternativa quando se busca elevar o desempenho de um sistema de classificação. A ideia se baseia na combinação de diferentes classificadores, os quais devem ter visões complementares sobre um mesmo problema. Este trabalho apresenta uma metodologia para a geração dinâmica de comitês de classificadores, estratégia baseada na premissa de que nem todo classificador é um especialista em todo o espaço de características, de forma que a cada padrão a ser classificado, na fase de operação, é atribuído um comitê específico para esta tarefa. O sistema proposto neste trabalho opera em duas etapas. Na primeira, um conjunto inicial de classificadores é gerado utilizando uma metodologia consagrada na literatura, como por exemplo o algoritmo Bagging. Na segunda etapa, durante a fase de operação do sistema, para cada padrão a ser classificado, uma nota é atribuída a cada classificador do conjunto inicialmente gerado, os quais são ordenados em ordem decrescente de nota. Esta nota, chamada de valor de competência, representa o grau de aptidão que cada classificador possui para realizar classificações na região do espaço de características onde se localizam os padrões a serem classificados e é calculada com base no desempenho local dos classificadores sobre um conjunto de validação composto por dados não vistos durante o treinamento do conjunto inicial de classificadores. Neste cálculo é utilizada uma medida do desempenho de classificação de todo conjunto original de classificadores sobre cada padrão de validação, visando à estimação de valores de competências mais precisos. Em seguida, é aplicado um método proposto para a escolha da fração ideal do comitê ordenado a ser utilizada na classificação do padrão de teste atual. Este método define o tamanho do comitê dinamicamente. Foram realizados experimentos comparativos, sobre problemas de classificação binária, a partir dos quais a eficiência do método proposto é evidenciada. Experimentos mais específicos demonstraram que os métodos propostos para a extração dos valores de competência, bem como a definição dinâmica do tamanho do comitê, geram ambos, individualmente, contribuição positiva para os resultados do método.