Made available in DSpace on 2019-03-29T23:15:55Z (GMT). No. of bitstreams: 0
Previous issue date: 2009-08-21 / This work presents a novel decision making approach developed upon two Multicriteria Decision Aiding (MCDA) classification methods. The classification methods are centered on the concept of prototypes, that are alternatives that serve as class representatives related to a given problem, and have their performance index very dependent upon the choice of values of some control parameters. In contrast with most MCDA classification research, which put more emphasis on the development of new methods, this study investigates the impact that the prototype selection task exerts on the classification performance exhibited by the classifiers under analysis. To overcome this problem and leverage the classifier performance, two techniques, one based on ELECTRE IV methodology and the other on a customized genetic algorithm, are employed in order to select the prototypes and calibrate the control parameters. To validate the devised classification approach, a case study based on the Alzheimer's disease (AD) was developed to assist clinicians and researchers in the AD early detection. Moreover, the experiments realized, involving different datasets, reveal that there are still some gaps in existing MCDA classification methods that can lead to an improvement of the methodology for the classification problems.
Keywords: Multicriteria Decision Aiding, Classification, ELECTRE IV , Genetic Algorithm, Alzheimer's Disease. / Esse trabalho apresenta uma nova abordagem de tomada de decisão desenvolvida sobre dois métodos Multicritério de Apoio à Decisão (MCDA) na área de classificação. Os métodos de classificação são fundamentados no conceito de protótipos, que são alternativas que funcionam como representantes de classe de um determinado problema, e possuem sua performance dependente da escolha dos parâmetros de controle do algoritmo. Em contraste com a maioria das pesquisas relacionadas à MCDA, que colocam uma maior ênfase no desenvolvimento de novos métodos, esse estudo investiga o impacto que a tarefa de seleção de protótipos exerce na performance dos algoritmos de classificação em questão. Para superar esse problema e melhorar a performance dos classificadores, duas técnicas, uma baseada na metodologia ELECTRE IV e a outra em um algoritmo genético customizado, foram aplicadas para selecionar os protótipos e calibrar os parâmetros de controle. Para validar a abordagem de classificação criada, um estudo de caso baseado na doença de Alzheimer foi desenvolvido para ajudar médicos e pesquisadores na identificação precoce da doença. Além disso, os experimentos realizados, envolvendo diferentes conjuntos de dados, revelam que existem alguns espaços para melhoria nos métodos de classificação MCDA que podem levar a um avanço na metodologia dos problemas de classificação.
Palavras-chave: DecisãoMulticritério, Classificação, ELECTRE IV, Algoritmo Genético, Doença de Alzheimer.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.unifor.br:tede/82712 |
| Date | 21 August 2009 |
| Creators | Brasil Filho, Amaury Teófilo |
| Contributors | Pinheiro, Plácido Rogério, Coelho, Andre Luis Vasconcelos, Pinheiro, Plácido Rogério, Carvalho, Andre Ponce de Leon Ferreira de, Sant'Anna, Annibal Parracho, Coelho, Andre Luis Vasconcelos |
| Publisher | Universidade de Fortaleza, Mestrado Em Informática Aplicada, UNIFOR, Brasil, Centro de Ciências Tecnológicas |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UNIFOR, instname:Universidade de Fortaleza, instacron:UNIFOR |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 5443571202788449035, 500, 500, -7645770940771915222 |
Page generated in 0.0022 seconds