Spelling suggestions: "subject:"classificada"" "subject:"classificado""
41 |
Utilizando Pesos est?ticos e din?micos em sistemas multi-classificadores com diferentes n?veis de diversidadeParadeda, Raul Benites 27 July 2007 (has links)
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
|
42 |
Uso de confiabilidade na rotula??o de exemplos em problemas de classifica??o multirr?tulo com aprendizado semissupervisionadoRodrigues, Fillipe Morais 21 February 2014 (has links)
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
|
43 |
A representa??o social de educa??o tecnol?gica de docentes da Rede Federal de Educa??o Profissional e Tecnol?gica: CEFETs do Rio Grande do NorteSouza, Evaldo Roberto de 25 April 2011 (has links)
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
|
44 |
Aplica??o de sistemas multi-classificadores no diagn?stico de falhas em motores de indu??o trif?sicosSantos, Sergio Pinheiro dos 11 April 2009 (has links)
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
|
45 |
Trendtv : uma arquitetura para mudan?a autom?tica de canais de TV baseada em redes sociais virtuais com graus de amizade e suporte a m?ltiplos dispositivos no cen?rio da TV digital brasileiraSena, Hugo T?cito Azevedo de 13 February 2012 (has links)
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
|
46 |
Classifica??o de padr?es atrav?s de um comit? de m?quinas aprimorado por aprendizagem por refor?oLima, Naiyan Hari C?ndido 13 August 2012 (has links)
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
|
47 |
Algoritmos gen?ticos aplicados a um comit? de LS-SVM em problemas de classifica??oPadilha, Carlos Alberto de Ara?jo 31 January 2013 (has links)
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
|
48 |
Arquiteturas eficientes para sensoriamento espectral e classifica??o autom?tica de modula??es usando caracter?sticas cicloestacion?riasLima, Arthur Diego de Lira 28 June 2014 (has links)
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
|
49 |
Otimiza??o em comit?s de classificadores: uma abordagem baseada em filtro para sele??o de subconjuntos de atributosSantana, Laura Emmanuella Alves dos Santos 02 February 2012 (has links)
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
|
50 |
A teoria da ru?na aplicada em um modelo de empresa financeira com risco de cr?ditoSilva, Jackelya Ara?jo da 11 March 2008 (has links)
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
|
Page generated in 0.0524 seconds