MATTOS, C. L. C. Comitês de classificadores baseados nas Redes SOM e Fuzzy ART com sintonia de parâmetros e seleção de atributos via metaheurísticas evolucionárias. 2011. 120 f. Dissertação (Mestrado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-03-15T16:42:23Z
No. of bitstreams: 1
2011_dis_clcmattos.pdf: 5437735 bytes, checksum: 284dc9d13fabac4cf2d2ed13b0c01b43 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-03-15T16:43:14Z (GMT) No. of bitstreams: 1
2011_dis_clcmattos.pdf: 5437735 bytes, checksum: 284dc9d13fabac4cf2d2ed13b0c01b43 (MD5) / Made available in DSpace on 2012-03-15T16:43:14Z (GMT). No. of bitstreams: 1
2011_dis_clcmattos.pdf: 5437735 bytes, checksum: 284dc9d13fabac4cf2d2ed13b0c01b43 (MD5)
Previous issue date: 2011-11 / The ensemble-based classification paradigm has received considerable attention
in scientific literature in recent years. In this context, supervised neural
networks have been the most common choice for ensembles’ base classifiers. This
dissertation has the intention of projecting and evaluating ensembles of classifiers
built through modifications on non-supervised learning algorithms, such as the
Fuzzy ART and SOM networks, originating, respectively, the ARTIE (ART in
Ensembles) and MUSCLE (Multiple SOM Classifiers in Ensembles) models. The
parameters’ tunning and the feature selection of the neural networks which compose
the ARTIE and MUSCLE models were tackled by metaheuristic optimization,
with the proposal of the I-HPSO (Improved Hybrid Particles Swarm Optimization)
algorithm. The ARTIE and MUSCLE models were evaluated and compared
with ensembles based on Fuzzy ARTMAP, LVQ and ELM networks in 12 real
world datasets. The obtained results indicate that the proposed models present
performance superior to the ensembles of supervised neural networks / O paradigma de classificação baseada em comitês tem recebido considerável
atenção na literatura científica em anos recentes. Neste contexto, redes neurais
supervisionadas têm sido a escolha mais comum para compor os classificadores
base dos comitês. Esta dissertação tem a intenção de projetar e avaliar comitês
de classificadores obtidos através de modificações impostas a algoritmos de
aprendizado não-supervisionado, tais como as redes Fuzzy ART e SOM, dando
origem, respectivamente, às arquiteturas ARTIE (ART in Ensembles) e MUSCLE
(Multiple SOM Classifiers in Ensembles). A sintonia dos parâmetros e a seleção
dos atributos das redes neurais que compõem as arquiteturas ARTIE e MUSCLE
foram tratados por otimização metaheurística, a partir da proposição do algoritmo
I-HPSO (Improved Hybrid Particles Swarm Optimization). As arquiteturas ARTIE
e MUSCLE foram avaliadas e comparadas com comitês baseados nas redes Fuzzy
ARTMAP, LVQ e ELM em 12 conjuntos de dados reais. Os resultados obtidos
indicam que as arquiteturas propostas apresentam desempenhos superiores aos dos
comitês baseados em redes neurais supervisionadas.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/2292 |
| Date | 11 1900 |
| Creators | Mattos, César Lincoln Cavalcante |
| Contributors | Barreto, Guilherme de Alencar |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0037 seconds