Submitted by Luiz Felipe Barbosa (luiz.fbabreu2@ufpe.br) on 2015-03-09T14:50:57Z
No. of bitstreams: 2
DISSERTAÇÃO Henrique Alexandre de Menezes Sabino.pdf: 6700092 bytes, checksum: 8c6bc8de7d1a8e7ec2a85b2753260399 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-09T14:50:57Z (GMT). No. of bitstreams: 2
DISSERTAÇÃO Henrique Alexandre de Menezes Sabino.pdf: 6700092 bytes, checksum: 8c6bc8de7d1a8e7ec2a85b2753260399 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2014-08-15 / Em aprendizagem de máquina, uma das dificuldades mais recorrentes é a escolha do
classificador que melhor resolve um determinado problema. Devido a isso, muitos estudos
mostraram que problemas de classificação têm maiores taxas de acerto quando classificadores
são combinados ao invés de apenas um classificador individual. A Seleção Dinâmica é uma
estratégia para a combinação de múltiplos classificadores que usa a região de competência, no
qual acredita-se que um subconjunto de classificadores seja mais competente para classificar
um dado padrão de consulta. A abordagem tradicional de seleção dinâmica é composta por
três fases: Superprodução, Região de Competência e Seleção Dinâmica. Vários métodos têm
sidos propostos na fase de Superprodução, responsável pela geração de classificadores, e na
fase de Seleção Dinâmica, responsável pela heurística de seleção, porém pouco foi estudado
sobre a fase de Região de Competência. A fase de Região de Competência é responsável pela
seleção dos padrões vizinhos do padrão de consulta, e é a principal informação para a seleção dos
classificadores através da heurística de seleção. Devido à importância da região de competência,
este trabalho propõe uma abordagem para seleção dinâmica que visa melhorar a definição da
região de competência, tendo como hipótese que uma melhor definição dessa região resulta em
um melhor desempenho de seleção dinâmica. Isso é realizado através de duas técnicas: filtragem
de instâncias e distância adaptativa. Essas técnicas têm como finalidade a redução de padrões
indesejáveis, e portanto são responsáveis por melhorar a qualidade da região de competência. Os
experimentos foram realizados em 17 bases de dados utilizando 6 métodos diferentes de seleção
dinâmica de classificadores. Os resultados mostraram que a abordagem proposta melhorou a taxa
de acerto da seleção dinâmica, em relação a abordagem tradicional, em 10 bases com diferenças
estatisticamente significativas, e em 5 dos 6 métodos de seleção dinâmica. No trabalho, também
foi analisada a influência dos componentes do sistema de seleção dinâmica, e as descrições
das bases de dados que influenciam a diferença dos resultados entre a abordagem proposta e
a abordagem tradicional. Os resultados dessas análises mostraram que o método de seleção
dinâmica e o classificador base são os componentes do sistema de seleção dinâmica que melhor
determinam a taxa de acerto, e que o número de dimensões e o número de classes são os fatores
que mais contribuem para a diferença de resultados entre as abordagens, proposta e tradicional.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/11507 |
| Date | 15 August 2014 |
| Creators | ALMEIDA, Henrique Alexandre de Menezes Sabino |
| Contributors | CAVALCANTI, George Darmiton da Cunha, REN, Tsang Ing |
| Publisher | Universidade Federal de Pernambuco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| 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 | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds