Made available in DSpace on 2014-06-12T15:52:33Z (GMT). No. of bitstreams: 1
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2009 / Diferentes algoritmos têm sido usados para agrupar dados de expressão gênica, porém não
há um único algoritmo que possa ser considerado o melhor independentemente dos dados a
serem analisados. Neste trabalho, aplicamos técnicas de Meta-aprendizado para relacionar
características de conjuntos de dados de expressão gênica ao desempenho de algoritmos de
agrupamento. No nosso contexto, cada meta-exemplo representa características descritivas de
uma base de dados de expressão gênica e um rótulo indicando o algoritmo de agrupamento
que obteve os melhores resultados quando aplicado aos dados. Um conjunto destes metaexemplos
é fornecido como entrada para um algoritmo de aprendizado (o meta-aprendiz), que,
por sua vez, é responsável por adquirir conhecimento relativo às características descritivas e
os melhores algoritmos. Neste trabalho, realizamos experimentos em um estudo de caso no
qual um meta-aprendiz foi utilizado para discriminar entre três algoritmos de agrupamento
candidatos, bem como para extrair conhecimento interpretável a partir dos experimentos. O
conhecimento extraído pelo meta-aprendiz foi útil para o entendimento da aplicabilidade de
cada algoritmo de agrupamento para problemas específicos
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/1812 |
Date | 31 January 2009 |
Creators | NASCIMENTO, André Câmara Alves do |
Contributors | PRUDÊNCIO, Ricardo Bastos Cavalcante |
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/masterThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0015 seconds