Made available in DSpace on 2014-12-17T15:47:44Z (GMT). No. of bitstreams: 1 RaulBP.pdf: 1811907 bytes, checksum: 007d54350318472b95b8e06144b749a5 (MD5) Previous issue date: 2007-07-27 / Although some individual techniques of supervised Machine Learning (ML), also known as classifiers, or algorithms of classification, to supply solutions that, most of the time, are considered efficient, have experimental results gotten with the use of large sets of pattern and/or that they have a expressive amount of irrelevant data or incomplete characteristic, that show a decrease in the efficiency of the precision of these techniques. In other words, such techniques can t do an recognition of patterns of an efficient form in complex problems. With the intention to get better performance and efficiency of these ML techniques, were thought about the idea to using some types of LM algorithms work jointly, thus origin to the term Multi-Classifier System (MCS). The MCS s presents, as component, different of LM algorithms, called of base classifiers, and realized a combination of results gotten for these algorithms to reach the final result. So that the MCS has a better performance that the base classifiers, the results gotten for each base classifier must present an certain diversity, in other words, a difference between the results gotten for each classifier that compose the system. It can be said that it does not make signification to have MCS s whose base classifiers have identical answers to the sames patterns. Although the MCS s present better results that the individually systems, has always the search to improve the results gotten for this type of system. Aim at this improvement and a better consistency in the results, as well as a larger diversity of the classifiers of a MCS, comes being recently searched methodologies that present as characteristic the use of weights, or confidence values. These weights can describe the importance that certain classifier supplied when associating with each pattern to a determined class. These weights still are used, in associate with the exits of the classifiers, during the process of recognition (use) of the MCS s. Exist different ways of calculating these weights and can be divided in two categories: the static weights and the dynamic weights. The first category of weights is characterizes for not having the modification of its values during the classification process, different it occurs with the second category, where the values suffers modifications during the classification process. In this work an analysis will be made to verify if the use of the weights, statics as much as dynamics, they can increase the perfomance of the MCS s in comparison with the individually systems. Moreover, will be made an analysis in the diversity gotten for the MCS s, for this mode verify if it has some relation between the use of the weights in the MCS s with different levels of diversity / Apesar de algumas t?cnicas individuais de Aprendizado de M?quina (AM) supervisionado, tamb?mconhecidos como classificadores, ou algoritmos de classifica??o, fornecerem solu??es que, na maioria das vezes, s?o consideradas eficientes, h? resultados experimentais obtidos com a utiliza??o de grandes conjuntos de padr?es e/ou que apresentam uma quantidade expressiva de dados incompletos ou caracter?sticas irrelevantes, que mostram uma queda na efic?cia da precis?o dessas t?cnicas. Ou seja, tais t?cnicas n?o conseguem realizar um reconhecimento de padr?es de uma forma eficiente em problemas complexos. Com o intuito de obter um melhor desempenho e efic?cia dessas t?cnicas de AM, pensouse na id?ia de fazer com que v?rios tipos de algoritmos de AM consigam trabalhar conjuntamente, dando assim origem ao termo Sistema Multi-Classificador (SMC). Os SMC s apresentam, como componentes, diferentes algoritmos de AM, chamados de classificadores base, e realizam uma combina??o dos resultados obtidos por estes algoritmos para atingir o resultado final. Para que o SMC tenha um desempenho melhor que os classificadores base, os resultados obtidos por cada classificador base devem apresentar uma determinada diversidade, ou seja, uma diferen?a entre os resultados obtidos por cada classificador que comp?em o sistema. Pode-se dizer que n?o faz sentido ter SMC s cujos classificadores base possuam respostas id?nticas aos padr?es apresentados. Apesar dos SMC s apresentarem melhores resultados que os sistemas executados individualmente, h? sempre a busca para melhorar os resultados obtidos por esse tipo de sistema. Visando essa melhora e uma maior consist?ncia nos resultados, assim como uma maior diversidade dos classificadores de um SMC, v?m sendo recentemente pesquisadas metodologias que apresentam como caracter?sticas o uso de pesos, ou valores de con- fian?a. Esses pesos podem descrever a import?ncia que um determinado classificador forneceu ao associar cada padr?o a uma determinada classe. Esses pesos ainda s?o utilizados, em conjunto com as sa?das dos classificadores, durante o processo de reconhecimento (uso) dos SMC s. Existem diferentes maneiras de se calcular esses pesos e podem ser divididas em duas categorias: os pesos est?ticos e os pesos din?micos. A primeira categoria de pesos se caracteriza por n?o haver a modifica??o de seus valores no decorrer do processo de classifica??o, ao contr?rio do que ocorre com a segunda categoria, onde os valores sofrem modifica??es no decorrer do processo de classifica??o. Neste trabalho ser? feito uma an?lise para verificar se o uso dos pesos, tanto est?ticos quanto din?micos, conseguem aumentar o desempenho dos SMC s em compara??o com estes sistemas executados individualmente. Al?m disso, ser? feita uma an?lise na diversidade obtida pelos SMC s, para dessa forma verificar se h? alguma rela??o entre o uso dos pesos nos SMC s com diferentes n?veis de diversidade

Made available in DSpace on 2014-12-17T15:48:09Z (GMT). No. of bitstreams: 1 FillipeMR_DISSERT.pdf: 1204563 bytes, checksum: 66d7e69371d4103cf2e242609ed0bbb7 (MD5) Previous issue date: 2014-02-21 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / The techniques of Machine Learning are applied in classification tasks to acquire knowledge through a set of data or information. Some learning methods proposed in literature are methods based on semissupervised learning; this is represented by small percentage of labeled data (supervised learning) combined with a quantity of label and non-labeled examples (unsupervised learning) during the training phase, which reduces, therefore, the need for a large quantity of labeled instances when only small dataset of labeled instances is available for training. A commom problem in semi-supervised learning is as random selection of instances, since most of paper use a random selection technique which can cause a negative impact. Much of machine learning methods treat single-label problems, in other words, problems where a given set of data are associated with a single class; however, through the requirement existent to classify data in a lot of domain, or more than one class, this classification as called multi-label classification. This work presents an experimental analysis of the results obtained using semissupervised learning in troubles of multi-label classification using reliability parameter as an aid in the classification data. Thus, the use of techniques of semissupervised learning and besides methods of multi-label classification, were essential to show the results / As t?cnicas de Aprendizado de M?quina s?o aplicadas em tarefas de classifica??o para a aquisi??o de conhecimento atrav?s de um conjunto de dados ou informa??es. Alguns m?todos de aprendizado utilizados pela literatura s?o baseados em aprendizado semissupervisionado; este ? representado por pequeno percentual de exemplos rotulados (aprendizado supervisionado) combinados com uma quantidade de exemplos rotulados e n?o rotulados (n?o-supervisionado) durante a fase de treinamento, reduzindo, portanto, a necessidade de uma grande quantidade de dados rotulados quando apenas um pequeno conjunto de exemplos rotulados est? dispon?vel para treinamento. O problema da escolha aleat?ria das inst?ncias ? comum no aprendizado semissupervisionado, pois a maioria dos trabalhos usam a escolha aleat?ria dessas inst?ncias o que pode causar um impacto negativo. Por outro lado, grande parte dos m?todos de aprendizado de m?quina trata de problemas unirr?tulo, ou seja, problemas onde exemplos de um determinado conjunto s?o associados a uma ?nica classe. Entretanto, diante da necessidade existente de classificar dados em uma grande quantidade de dom?nios, ou em mais de uma classe, essa classifica??o citada ? denominada classifica??o multirr?tulo. Este trabalho apresenta uma an?lise experimental dos resultados obtidos por meio da utiliza??o do aprendizado semissupervisionado em problemas de classifica??o multirr?tulo usando um par?metro de confiabilidade como aux?lio na classifica??o dos dados. Dessa maneira, a utiliza??o de t?cnicas de aprendizado semissupervisionado, bem como de m?todos de classifica??o multirr?tulos, foram imprescind?veis na apresenta??o dos resultados

Made available in DSpace on 2015-02-24T18:18:37Z (GMT). No. of bitstreams: 1 EvaldoRS_TESE.pdf: 1321662 bytes, checksum: 09df654be2804ad68493b704cc870555 (MD5) Previous issue date: 2011-04-25 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The aim of this study was to investigate the social representation of technological education teachers at the Federal Technological Education Network. The survey was conducted from 2007 to 2010, and the respondents were 275 teachers, 135 of the Federal Center for Technological Education (CEFET in portuguese) in the state of Amazonas, in Manaus unit headquarters; 140 of the CEFET in the state of Rio Grande do Norte, a unit based in Natal. We adopt the concept of technological education as the top level of professional education, that is to say, the undergraduate programs of short duration called technological courses. The Federal Technological Education Network gathers hundreds of related institutions, coordinated and supervised by the Office of Vocational and Technological Education of the Ministry of Education. Although many of these institutions offer courses in technology education, no research addressing this subject from the perspective of Social Representations Theory (SRT) was found in the literature. We seek to unravel the social representation of technological education of the teachers by adopting the procedural approach of SRT. This is a qualitative approach, focusing on significant aspects of the representative activity and the formation mechanisms of the representation. Therefore, we search the socio-genesis of the representation in the articulations between discourses, social institutions and practices. We initiated the research through applying critical reading and an analytical perspective on the historical and regulatory documents of technological education in Brazil, from the early twentieth century to the present day. We adopt the Procedure for Multiple Classifications (PMC) from the Free Words Association Technique (FWAT) to access the elements of representational content. For the analysis of the data obtained with FWAT and selection of major words / phrases pertinent to the semantic field of education technology, we used Hamlet II software. For the data analysis of PMC and Free Classification (FC) we used the SPSS ? (Statistical Package for the Social Sciences) version 17.0 and used the method of multidimensional scaling - Multidimensional scaling - (MDS). The output from the central MDS takes the form of a set of scatterplots - "perceptual maps" - of which the points are the elements of the representational content. For the FC data analysis we used the Scalogram Multidimensional Analysis (SMA) - which makes use of the original data in its raw form and allows categorical data to be interpreted in the map as measures of (di)similarity. In order to help with the understanding of the settings of the perceptual maps of FC, we used the Content Analysis of the discourse fragments of the teachers interviewed. The results confirm our initial hypothesis regarding the presence of a single plot among the socio-cognitive study subjects, which is the basis for a social representation of technological education in line with the historic assumption of the dichotomy between mental and manual labor. In spite of the three merging representational elements of the representational content, the perceptual maps compiled from the MSA statistics corroborates the dichotomy, with the exception of the map relating to the subgroup of teachers belonging to the humanities / O objetivo deste trabalho foi pesquisar a representa??o social de educa??o tecnol?gica dos docentes da Rede Federal de Educa??o Profissional e Tecnol?gica (RFEPT). A pesquisa foi desenvolvida de (2007) a (2010), da qual participaram 275 docentes, sendo 135 do Centro Federal de Educa??o Tecnol?gica (CEFET) do estado do Amazonas, unidade sede em Manaus e 140 do CEFET do estado do Rio Grande do Norte, unidade sede em Natal. Adotamos a concep??o de educa??o tecnol?gica como sendo o n?vel superior da modalidade Educa??o Profissional, ou seja, os cursos superiores de curta dura??o denominados tecnol?gicos ou cursos de Tecnologia. A RFEPT congrega centenas de institui??es vinculadas, coordenadas e supervisionadas pela Secretaria de Educa??o Profissional e Tecnol?gica (SETEC) do Minist?rio da Educa??o (MEC). Apesar de muitas destas institui??es ministrarem cursos de educa??o tecnol?gica n?o encontramos nenhuma pesquisa que abordasse tal objeto sob a ?tica da Teoria das Representa??es Sociais (TRS). Buscamos desvendar a representa??o social de educa??o tecnol?gica dos docentes adotando a abordagem processual da TRS. Tal abordagem se caracteriza por um enfoque qualitativo, centrado nos aspectos significantes da atividade representativa e nos mecanismos de forma??o da representa??o. Assim, procuramos conhecer a s?cio g?nese da representa??o, nas articula??es entre discursos, institui??es e pr?ticas sociais. Iniciamos a pesquisa atrav?s da leitura cr?tica e de uma perspectiva anal?tica sobre documentos hist?ricos e normativos da educa??o profissional e tecnol?gica brasileira, do in?cio do s?culo XX at? os dias atuais. Adotamos o Procedimento de Classifica??es M?ltiplas (PCM) a partir da T?cnica de Associa??o Livre de Palavras (TALP) para acessar os elementos do conte?do representacional. Para an?lise dos dados da TALP e sele??o das principais palavras/express?es do campo sem?ntico relativo ? educa??o tecnol?gica utilizamos o software Hamlet II. Para an?lise dos dados do PCM, Classifica??o Livre (CL) fizemos uso do SPSS? (Statistical Package for the Social Sciences) vers?o 17.0 e utilizamos o m?todo de an?lise de escalonamento multidimensional - Multidimensional scaling - (MDS). A sa?da (output) do MDS central toma a forma de um conjunto de gr?ficos de dispers?o - "mapas perceptuais" -, nos quais os pontos s?o os elementos do conte?do representacional. Para an?lise dos dados da classifica??o livre utilizamos o m?todo escalonar multidimensional - MSA (Multidimensional Scalogram Analysis) - que faz uso dos dados originais em sua forma bruta e possibilita que os dados categ?ricos sejam interpretados no mapa como medidas de (di)similaridade. Para auxiliar a compreens?o das configura??es dos mapas perceptuais da CL utilizamos a An?lise de Conte?do dos fragmentos de discurso dos docentes entrevistados. Os resultados encontrados confirmam nossa hip?tese inicial quanto ? presen?a de uma mesma trama s?cio-cognitiva entre os sujeitos pesquisados, que serve de base a uma representa??o social de educa??o tecnol?gica alinhada ao hist?rico pressuposto da dicotomia entre trabalho intelectual e trabalho manual. Apesar dos tr?s elementos representacionais aglutinadores dos conte?dos representacionais, os mapas perceptuais elaborados a partir das estat?sticas MSA explicitam a citada dicotomia, com exce??o para o mapa referente ao subgrupo de docentes com forma??o na ?rea de ci?ncias humanas

Made available in DSpace on 2014-12-17T14:55:37Z (GMT). No. of bitstreams: 1 SergioPS.pdf: 2376478 bytes, checksum: 7999af148ddd33a9739b28a9fdf05cf3 (MD5) Previous issue date: 2009-04-11 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Equipment maintenance is the major cost factor in industrial plants, it is very important the development of fault predict techniques. Three-phase induction motors are key electrical equipments used in industrial applications mainly because presents low cost and large robustness, however, it isn t protected from other fault types such as shorted winding and broken bars. Several acquisition ways, processing and signal analysis are applied to improve its diagnosis. More efficient techniques use current sensors and its signature analysis. In this dissertation, starting of these sensors, it is to make signal analysis through Park s vector that provides a good visualization capability. Faults data acquisition is an arduous task; in this way, it is developed a methodology for data base construction. Park s transformer is applied into stationary reference for machine modeling of the machine s differential equations solution. Faults detection needs a detailed analysis of variables and its influences that becomes the diagnosis more complex. The tasks of pattern recognition allow that systems are automatically generated, based in patterns and data concepts, in the majority cases undetectable for specialists, helping decision tasks. Classifiers algorithms with diverse learning paradigms: k-Neighborhood, Neural Networks, Decision Trees and Na?ves Bayes are used to patterns recognition of machines faults. Multi-classifier systems are used to improve classification errors. It inspected the algorithms homogeneous: Bagging and Boosting and heterogeneous: Vote, Stacking and Stacking C. Results present the effectiveness of constructed model to faults modeling, such as the possibility of using multi-classifiers algorithm on faults classification / A manuten??o de equipamentos ? um dos principais fatores de custo no ambiente industrial, sendo de fundamental import?ncia o desenvolvimento de t?cnicas de preven??o de falhas. Os motores de indu??o trif?sicos s?o os equipamentos el?tricos mais utilizados na industria, pois apresentam um baixo custo e boa robustez, entretanto, n?o est?o imunes a diversos tipos de falhas como curto-circuitos nos enrolamentos e quebra de barras rot?ricas. Diversas formas de aquisi??o, processamento e an?lise dos sinais s?o aplicadas para melhorar seu diagn?stico. As t?cnicas mais eficazes utilizam sensores de corrente e a an?lise de sua assinatura. Neste trabalho, s?o apresentadas an?lises a partir destes sensores, sendo esta informa??o processada atrav?s do vetor de Park, que fornece uma boa capacidade de visualiza??o dos padr?es. Visando a obten??o destes padr?es fora do ambiente de opera??o, foi desenvolvida uma metodologia para a constru??o das bases de dados. Para a modelagem da m?quina tamb?m ? aplicada a transforma??o de Park no referencial estacion?rio para solucionar as equa??es diferenciais da m?quina. Detec??o de falhas requer uma an?lise profunda das vari?veis envolvidas e suas influ?ncias, tornando o diagn?stico complexo. Reconhecimento de padr?es permite que sistemas sejam gerados automaticamente, por encontrar padr?es e conceitos nos dados, muitas vezes n?o detectados por especialistas, auxiliando na tomada de decis?es. Algoritmos de classifica??o com diferentes paradigmas de aprendizado como k-vizinhos mais pr?ximos, Redes Neurais, ?rvores de Decis?o e Na?ve-Bayes s?o utilizados para reconhecer os padr?es dos motores. M?todos de multiclassifica??o s?o empregados para melhorar o desempenho na taxa de erro de classifica??o, s?o examinados os seguintes algoritmos homog?neos: Bagging e Boosting e heterog?neos: Vote, Stacking e Stacking C. Nos resultados ? poss?vel notar a efic?cia do modelo constru?do para simular as falhas assim como dos algoritmos multiclassificadores para a classifica??o de falhas

Made available in DSpace on 2014-12-17T14:55:56Z (GMT). No. of bitstreams: 1 HugoTAS_DISSERT.pdf: 1403051 bytes, checksum: 082930bba50f7afe6808198a25388862 (MD5) Previous issue date: 2012-02-13 / Due to the large amount of television content, which emerged from the Digital TV, viewers are facing a new challenge, how to find interesting content intuitively and efficiently. The Personalized Electronic Programming Guides (pEPG) arise as an answer to this complex challenge. We propose TrendTV a layered architecture that allows the formation of social networks among viewers of Interactive Digital TV based on online microblogging. Associated with a pEPG, this social network allows the viewer to perform content filtering on a particular subject from the indications made by other viewers of his network. Allowing the viewer to create his own indications for a particular content when it is displayed, or to analyze the importance of a particular program online, based on these indications. This allows any user to perform filtering on content and generate or exchange information with other users in a flexible and transparent way, using several different devices (TVs, Smartphones, Tablets or PCs). Moreover, this architecture defines a mechanism to perform the automatic exchange of channels based on the best program that is showing at the moment, suggesting new components to be added to the middleware of the Brazilian Digital TV System (Ginga). The result is a constructed and dynamic database containing the classification of several TV programs as well as an application to automatically switch to the best channel of the moment / Devido ? grande quantidade de conte?do televisivo, que surgiu junto com a TV Digital, os telespectadores est?o diante de um novo desafio, saber como procurar conte?do interessante de maneira intuitiva e eficiente. Os guias eletr?nicos de programa??o personalizada (pEPG) surgem como uma resposta para esse complexo desafio. Propomos a TrendTV, uma arquitetura em camadas que permite a forma??o de redes sociais entre telespectadores de programas de TV Digital Interativa baseada em microblog de conte?do on-line. Associado a um pEPG, esta rede social permite que um telespectador realize filtragens de conte?do sobre um determinado assunto a partir das indica??es feitas por outros telespectadores de sua rede. Isto permite que o telespectador crie sua pr?pria indica??o para um determinado conte?do no momento em que ele ? exibido, ou ainda analisar a import?ncia de um determinado programa on-line, baseado nessas indica??es. Isto permite que qualquer usu?rio possa realizar filtros no conte?do, al?m de gerar e trocar informa??es com os outros usu?rios de modo flex?vel e transparente, utilizando v?rios dispositivos diferentes(TVs,Smartfones, Tablets ou PCs). Al?m disso, essa arquitetura define um mecanismo para realizar a mudan?a autom?tica de canais baseado no melhor programa que est? passando no momento, sugerindo novos componentes a serem agregados ao middleware do Sistema Brasileiro de TV Digital (Ginga). Como resultado ? constru?da uma base de dados din?mica e que cont?m a classifica??o de v?rios programas de TV, bem como uma aplica??o que permite mudar automaticamente para o melhor canal do momento

Made available in DSpace on 2014-12-17T14:56:07Z (GMT). No. of bitstreams: 1 NaiyanHCL_DISSERT.pdf: 1452285 bytes, checksum: 018fb1e8fa51e8f7094cce68a18c6c73 (MD5) Previous issue date: 2012-08-13 / Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification / A aprendizagem por refor?o ? uma t?cnica de aprendizado de m?quina que, embora j? tenha encontrado uma grande quantidade de aplica??es, talvez ainda n?o tenha alcan?ado seu pleno potencial. Uma das possibilidades que n?o foi devidamente testada at? hoje foi a utiliza??o da aprendizagem por refor?o em conjunto com outros m?todos para a solu??o de problemas de classifica??o de padr?es. ? bem documentada na literatura a problem?tica que ensembles de m?quinas de vetor de suporte encontram em termos de capacidade de generaliza??o. Algoritmos como Adaboost n?o lidam apropriadamente com os desequil?brios que podem surgir nessas situa??es. V?rias alternativas j? foram propostas, com margens variadas de sucesso. Esta disserta??o apresenta uma nova abordagem para a constru??o de comit?s de m?quinas de vetor de suporte. O algoritmo apresentado combina o algoritmo Adaboost com uma camada de aprendizagem por refor?o, para ajustar par?metros do comit? evitando que desequil?brios nos classificadores componentes do comit? prejudiquem o desempenho de generaliza??o da hip?tese final. Foram efetuadas compara??es de comit?s com e sem essa camada adicional de aprendizagem por refor?o, testando conjuntos de dados benchmarks amplamente conhecidos na ?rea de classifica??o de padr?es

Made available in DSpace on 2014-12-17T14:56:13Z (GMT). No. of bitstreams: 1 CarlosAAP_DISSERT.pdf: 1150903 bytes, checksum: a90e625336bbabe7e96da74cb85ee7aa (MD5) Previous issue date: 2013-01-31 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The pattern classification is one of the machine learning subareas that has the most outstanding. Among the various approaches to solve pattern classification problems, the Support Vector Machines (SVM) receive great emphasis, due to its ease of use and good generalization performance. The Least Squares formulation of SVM (LS-SVM) finds the solution by solving a set of linear equations instead of quadratic programming implemented in SVM. The LS-SVMs provide some free parameters that have to be correctly chosen to achieve satisfactory results in a given task. Despite the LS-SVMs having high performance, lots of tools have been developed to improve them, mainly the development of new classifying methods and the employment of ensembles, in other words, a combination of several classifiers. In this work, our proposal is to use an ensemble and a Genetic Algorithm (GA), search algorithm based on the evolution of species, to enhance the LSSVM classification. In the construction of this ensemble, we use a random selection of attributes of the original problem, which it splits the original problem into smaller ones where each classifier will act. So, we apply a genetic algorithm to find effective values of the LS-SVM parameters and also to find a weight vector, measuring the importance of each machine in the final classification. Finally, the final classification is obtained by a linear combination of the decision values of the LS-SVMs with the weight vector. We used several classification problems, taken as benchmarks to evaluate the performance of the algorithm and compared the results with other classifiers / A classifica??o de padr?es ? uma das sub?reas do aprendizado de m?quina que possui maior destaque. Entre as v?rias t?cnicas para resolver problemas de classifica??o de padr?es, as M?quinas de Vetor de Suporte (do ingl?s, Support Vector Machines ou SVM) recebem grande ?nfase, devido a sua facilidade de uso e boa capacidade de generaliza??o. A formula??o por M?nimos Quadrados da SVM (do ingl?s, Least Squares Support Vector Machines ou LS-SVM) encontra um hiperplano de separa??o ?tima atrav?s da solu??o de um sistema de equa??es lineares, evitando assim o uso da programa??o quadr?tica implementada na SVM. As LS-SVMs fornecem alguns par?metros livres que precisam ser corretamente selecionados para alcan?ar resultados satisfat?rios em uma determinada tarefa. Apesar das LS-SVMs possuir elevado desempenho, v?rias ferramentas tem sido desenvolvidas para aprimor?-la, principalmente o desenvolvimento de novos m?todos de classifica??o e a utiliza??o de comit?s de m?quinas, ou seja, a combina??o de v?rios classificadores. Neste trabalho, n?s propomos tanto o uso de um comit? de m?quinas quanto o uso de um Algoritmo Gen?tico (AG), algoritmo de busca baseada na evolu??o das esp?cies, para aprimorar o poder de classifica??o da LS-SVM. Na constru??o desse comit?, utilizamos uma sele??o aleat?ria de atributos do problema original, que divide o problema original em outros menores onde cada classificador do comit? vai atuar. Ent?o, aplicamos o AG para encontrar valores efetivos para os par?metros de cada LS-SVM e tamb?m encontrando um vetor de pesos, medindo a import?ncia de cada m?quina na classifica??o final. Por fim, a classifica??o final ? dada por uma combina??o linear das respostas de cada m?quina ponderadas pelos pesos. Foram utilizados v?rios problemas de classifica??o, tidos como benchmarks, para avaliar o desempenho do algoritmo e comparamos os resultados obtidos com outros classificadores

Made available in DSpace on 2014-12-17T14:56:19Z (GMT). No. of bitstreams: 1 ArthurDLL_DISSERT.pdf: 2517302 bytes, checksum: c3d693c770dc1c58bad5f378aba6d268 (MD5) Previous issue date: 2014-06-28 / The increasing demand for high performance wireless communication systems has shown the inefficiency of the current model of fixed allocation of the radio spectrum. In this context, cognitive radio appears as a more efficient alternative, by providing opportunistic spectrum access, with the maximum bandwidth possible. To ensure these requirements, it is necessary that the transmitter identify opportunities for transmission and the receiver recognizes the parameters defined for the communication signal. The techniques that use cyclostationary analysis can be applied to problems in either spectrum sensing and modulation classification, even in low signal-to-noise ratio (SNR) environments. However, despite the robustness, one of the main disadvantages of cyclostationarity is the high computational cost for calculating its functions. This work proposes efficient architectures for obtaining cyclostationary features to be employed in either spectrum sensing and automatic modulation classification (AMC). In the context of spectrum sensing, a parallelized algorithm for extracting cyclostationary features of communication signals is presented. The performance of this features extractor parallelization is evaluated by speedup and parallel eficiency metrics. The architecture for spectrum sensing is analyzed for several configuration of false alarm probability, SNR levels and observation time for BPSK and QPSK modulations. In the context of AMC, the reduced alpha-profile is proposed as as a cyclostationary signature calculated for a reduced cyclic frequencies set. This signature is validated by a modulation classification architecture based on pattern matching. The architecture for AMC is investigated for correct classification rates of AM, BPSK, QPSK, MSK and FSK modulations, considering several scenarios of observation length and SNR levels. The numerical results of performance obtained in this work show the eficiency of the proposed architectures / O aumento da demanda por sistemas de comunica??o sem fio de alto desempenho tem evidenciado a inefici?ncia do atual modelo de aloca??o fixa do espectro de r?dio. Nesse contexto, o r?dio cognitivo surge como uma alternativa mais eficiente, ao proporcionar o acesso oportunista ao espectro, com a maior largura de banda poss?vel. Para garantir esses requisitos, ? necess?rio que o transmissor identifique as oportunidades de transmiss?o e que o receptor reconhe?a os par?metros definidos para o sinal de comunica??o. As t?cnicas que utilizam a an?lise cicloestacion?ria podem ser aplicadas tanto em problemas de sensoriamento espectral, quanto na classifica??o de modula??es, mesmo em ambientes de baixa rela??o sinal-ru?do (SNR). Entretanto, apesar da robustez, uma das principais desvantagens da cicloestacionariedade est? no elevado custo computacional para o c?lculo das suas fun??es. Este trabalho prop?e arquiteturas eficientes de obten??o de caracter?sticas cicloestacion?rias para serem empregadas no sensoriamento espectral e na classifica??o autom?tica de modula??es (AMC). No contexto do sensoriamento espectral, um algoritmo paralelizado para extrair as caracter?sticas cicloestacion?rias de sinais de comunica??o ? apresentado. O desempenho da paraleliza??o desse extrator de caracter?sticas ? avaliado atrav?s das m?tricas de speedup e efici?ncia paralela. A arquitetura de sensoriamento espectral ? analisada para diversas configura??es de probabilidades de falso alarme, n?veis de SNR e tempo de observa??o das modula??es BPSK e QPSK. No contexto da AMC, o perfil-alfa reduzido ? proposto como uma assinatura cicloestacion?ria calculada para um conjunto reduzido de frequ?ncia c?clicas. Essa assinatura ? validada por meio de uma arquitetura de classifica??o baseada no casamento de padr?es. A arquitetura para AMC ? investigada para as taxas de acerto obtidas para as modula??es AM, BPSK, QPSK, MSK e FSK, considerando diversos cen?rios de tempo de observa??o e n?veis de SNR. Os resultados num?ricos de desempenho obtidos neste trabalho demonstram a efici?ncia das arquiteturas propostas

Made available in DSpace on 2014-12-17T15:46:59Z (GMT). No. of bitstreams: 1 LauraEASS_TESE.pdf: 2447411 bytes, checksum: 3e442431965058383423623bc7751de0 (MD5) Previous issue date: 2012-02-02 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Traditional applications of feature selection in areas such as data mining, machine learning and pattern recognition aim to improve the accuracy and to reduce the computational cost of the model. It is done through the removal of redundant, irrelevant or noisy data, finding a representative subset of data that reduces its dimensionality without loss of performance. With the development of research in ensemble of classifiers and the verification that this type of model has better performance than the individual models, if the base classifiers are diverse, comes a new field of application to the research of feature selection. In this new field, it is desired to find diverse subsets of features for the construction of base classifiers for the ensemble systems. This work proposes an approach that maximizes the diversity of the ensembles by selecting subsets of features using a model independent of the learning algorithm and with low computational cost. This is done using bio-inspired metaheuristics with evaluation filter-based criteria / A aplica??o tradicional da sele??o de atributos em diversas ?reas como minera??o de dados, aprendizado de m?quina e reconhecimento de padr?es visa melhorar a acur?cia dos modelos constru?dos com a base de dados, ao retirar dados ruidosos, redundantes ou irrelevantes, e diminuir o custo computacional do modelo, ao encontrar um subconjunto representativo dos dados que diminua sua dimensionalidade sem perda de desempenho. Com o desenvolvimento das pesquisas com comit?s de classificadores e a verifica??o de que esse tipo de modelo possui melhor desempenho que os modelos individuais, dado que os classificadores base sejam diversos, surge uma nova aplica??o ?s pesquisas com sele??o de atributos, que ? a de encontrar subconjuntos diversos de atributos para a constru??o dos classificadores base de comit?s de classificadores. O presente trabalho prop?e uma abordagem que maximiza a diversidade de comit?s de classificadores atrav?s da sele??o de subconjuntos de atributos utilizando um modelo independente do algoritmo de aprendizagem e de baixo custo computacional. Isso ? feito utilizando metaheur?sticas bioinspiradas com crit?rios de avalia??o baseados em filtro

Made available in DSpace on 2015-03-03T15:22:31Z (GMT). No. of bitstreams: 1 JackelyaAS.pdf: 313251 bytes, checksum: 729c2692ae341877eba59b8ce2bf93dd (MD5) Previous issue date: 2008-03-11 / In this work we study a new risk model for a firm which is sensitive to its credit quality, proposed by Yang(2003): Are obtained recursive equations for finite time ruin probability and distribution of ruin time and Volterra type integral equation systems for ultimate ruin probability, severity of ruin and distribution of surplus before and after ruin / Neste trabalho estudamos um novo modelo de risco para uma empresa que ? sens?vel a classica??o de risco de cr?dito, proposto por Yang(2003): Obtemos equa??es recursivas para a probabilidade de ru?na em tempo nito, distribui??o do tempo de ru?na, sistemas de equa??es integrais do tipo Volterra para severidade e distribui??o conjunta do capital antes e depois da ru?na