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
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/17946 |
| Date | 02 February 2012 |
| Creators | Santana, Laura Emmanuella Alves dos Santos |
| Contributors | CPF:66487099449, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8, D?ria Neto, Adri?o Duarte, CPF:10749896434, http://lattes.cnpq.br/1987295209521433, Carvalho, Andr? Carlos Ponce de Leon Ferreira de, CPF:45841888404, http://lattes.cnpq.br/9674541381385819, Gouv?a, Elizabeth Ferreira, CPF:81652011749, http://lattes.cnpq.br/2888641121265608, Zanchettin, Cleber, CPF:00551448962, http://lattes.cnpq.br/1244195230407619, Canuto, Anne Magaly de Paula |
| Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Sistemas e Computa??o, UFRN, BR, Ci?ncia da Computa??o |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds