Made available in DSpace on 2014-06-12T18:01:35Z (GMT). No. of bitstreams: 2
arquivo3760_1.pdf: 4016206 bytes, checksum: 79a180d77808032075487ee93517b7a6 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A classificação supervisionada representa uma parte das técnicas empregadas no contexto de
Data Mining, com crescente impacto nos estudos em várias áreas do conhecimento, possibilitado
pelo crescimento exponencial da capacidade de processamento e disponibilidade de recursos
computacionais. Além do fato que já existem várias técnicas bem conhecidas e estabelecidas
na literatura, a importância desta área exige esforços contínuos no sentido da comparação de
performance de diferentes métodos, e da sua aplicabilidade aos diferentes tipos de dados, bem
como propostas de novas metodologias que poderão contribuir para o estado da arte atual.
Esta dissertação apresenta um novo método de classificação, o método de potencial. Este
método é construído com base em conceitos da física, através do mapeamento de observações
no espaço p-dimensional dos dados para o sistema virtual de partículas interagentes no espaço
Euclidiano p-dimensional. O método é formalizado com todos os detalhes necessários para a
definição da regra de classificação com base na teoria de decisão de Bayes. As características
mais relevantes do método também são apresentadas.
O método de núcleo é utilizado para comparação com o método de potencial por apresentar
boas propriedades e ser bastante difundido e estudado no meio acadêmico. Os dois métodos se
diferenciam basicamente pela forma funcional com que estimam as densidades que são utilizadas
para se construir a regra de classificação. Os classificadores propostos pelos métodos são então
avaliados com respeito a discriminabilidade da regra de decisão para dados reais e simulados,
respectivamente, através das técnicas bootstrap e holdout. O estudo atual, além de ser longe de
ser completo, mostra que o desempenho dos métodos é semelhante na maioria dos casos, mas
que por outro lado existem situações quando cada um deles tem vantagens em relação ao outro
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/6060 |
| Date | 31 January 2008 |
| Creators | Regina Ribeiro Lemos, Silvia |
| Contributors | Stosic, Borko |
| Publisher | Universidade Federal de Pernambuco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0132 seconds