Made available in DSpace on 2014-06-12T15:51:59Z (GMT). No. of bitstreams: 2
arquivo3006_1.pdf: 934448 bytes, checksum: cfaf4b35b4e186dc40f91523ebe587bf (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2011 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Os Sistemas de Múltiplos Classificadores (também conhecidos como Comitês de Classificadores)
podem usar a combinação ou a seleção de hipóteses dos diferentes membros para
determinar a hipótese de solução para um dado problema. O método de combinação de
hipóteses é mais difundido, sendo possível encontrar diferentes estratégias que aprimoraram
o seu desempenho desde a sua concepção. Por outro lado, o método de seleção
não possui tantos avanços quanto o método de combinação, embora o seu potencial já
tenha sido comprovado em trabalhos da literatura. A construção de sistemas de múltiplos
classificadores usando o método de seleção envolve a busca pela estratégia de seleção, que
pode ser através do agrupamento dos dados de treinamento e seleção de classificadores
especializados nos dados de cada grupo encontrado.
Os aprimoramentos realizados no método de seleção de classificadores ocorrem para
a definição da estratégia de seleção, normalmente executada por um método manual.
Por outro lado, os melhores aprimoramentos do método de combinação de classificadores
foram obtidos com o uso de métodos evolucionários (automáticas) para o ajuste de
parâametros. Devido à ausência da hibridização com métodos evolucionários para o aprimoramento
do método de seleção; às dificuldades inerentes ao trabalho por tentativa e
erro em atividades de busca e para avançoo do conhecimento sobre o potencial do método
de seleção, faz-se necessária uma exploração do potencial do método de seleção usando
métodos de busca evolucionários.
Este trabalho explora a construção automática de sistemas de múltiplos classificadores
usando o método de seleção. Nesta tese é proposto um novo método, que emprega
a Otimização por Exame de Partículas e Evolução Diferencial acoplada ao Algoritmo
Genético, utilizado para o aprimoramento da estratégia de seleção de classificadores. A
combinação com métodos evolucionários tem o objetivo de explorar o potencial do método
de seleção de classificadores, apresentando os benefícios de sua hibridização com métodos
de busca evolucionários. A estratégia de seleção de classificadores adotada é composta por
uma fase de agrupamento dos dados de treinamento e outra de busca por classificadores
especializados para cada grupo de dados encontrado.
Os experimentos realizados utilizaram os métodos K-médias e Mapas Auto-Organizáveis
na fase de agrupamento e Redes Neurais Artificiais Lineares e Perceptrons de múltiplas
camadas na fase de classificação. Algoritmos Evolucionários foram usados (Otimização
por Exame de Partículas com ajuste dinâmico de parâmetros e Evolução Diferencial integrada
a um Algoritmo Genético) no presente trabalho, com o propósito de otimizar os
parâmetros e desempenho das diferentes técnicas empregadas nas fases de agrupamento
e classificação. Os resultados experimentais mostraram que o método proposto possui
um melhor desempenho quando comparado aos métodos manuais e supera de forma significativa
a maioria dos métodos comumente usados para a construção de sistemas de múltiplos classificadores
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/1709 |
Date | 31 January 2011 |
Creators | ALMEIDA, Leandro Maciel |
Contributors | SILVA, Teresinha Gonçalves da |
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/doctoralThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds