Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-04-05T15:39:48Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
everson_verissimo_dissertacao.pdf: 2502424 bytes, checksum: 0f98e5de2dc7eab2b63e0c0ccd1a6703 (MD5) / Made available in DSpace on 2017-04-05T15:39:48Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
everson_verissimo_dissertacao.pdf: 2502424 bytes, checksum: 0f98e5de2dc7eab2b63e0c0ccd1a6703 (MD5)
Previous issue date: 2013-08-14 / CAPES / Apesar dos avanços em técnicas da Aprendizagem de Máquina, muito esforço ainda
é despendido na concepção de um classificador que consiga aprender bem uma dada tarefa.
Váriasabordagenssurgiramparaatenuaresseesforçoatravésdacombinaçãodeclassificadores.
A combinação de classificadores permite que o projetista do sistema não necessite escolher
o classificador mais eficiente dentre vários, nem descartar classificadores que podem possuir
informaçãoimportantesobreatarefa. Estratégiasdecombinaçãopermitemqueváriosalgoritmos
trabalhem em conjunto a fim de melhorar a precisão de todo o sistema numa dada tarefa. O
objetivodestetrabalhoéproporummétododecombinaçãodeclassificadoresqueagregueas
vantagensdeduasabordagens: máquinasdecomitêemisturasdeespecialistas. Asmáquinasde
comitêvisamcombinarclassificadoresqueresolvempadrõesdetodooespaçodecaracterísticas.
Quandocombinados,lidammelhorcomsuperfíciesdedecisãocomplexasqueumclassificador
individualmente e são capazes de incorporar novos classificadores mesmo após o uso. Nas
MisturasdeEspecialistas,cadaumdosclassificadoreséumespecialistaemumadeterminada
áreadoespaçodecaracterísticaseemboraresolvapadrõesdetodooespaçodecaracterísticas,se
dedicaaresolverproblemasbemmaissimples,atingindoumdesempenhosuperioremrelaçãoa
umclassificadorsópararesolveroproblematodo. OmétodopropostoéchamadodeComitê
de Misturas de Especialistas e corresponde a uma máquina de comitês formada por misturas
de especialistas. Assim, o método herda a escalabilidade e a tolerância a erros das máquinas
decomitêeasimplicidadedetreinamentodasmisturasdeespecialistas. Experimentosforam
realizadosparaverificarasuperioridadedocomitêdemisturasdeespecialistassobretrêsfatores
de mudanças entre as misturas: técnicas de decomposição de tarefas, número de grupos e
características. / Despite the advance of the techniques in Machine Learning, much effort is taken to
conceiveaclassifierthatlearnswellaparticulartask. Severalapproacheshavebeenproposed
to attenuate this effort through combination of classifiers. Combination of classifiers allows
thatnotonlythemosteffectiveclassifiersbechosenamongseveral,nordiscardclassifiersthat
mayhaveimportantinformationaboutthetask. Strategiesallowthatseveralalgorithmswork
togetherinordertoimproveaccuracyofthewholesystemgivenatask. Thegoalofthiswork
is to propose a method to combine classifiers that put together advantages of two approaches:
committeemachinesandmixtureofexperts. CommitteeMachinesaimtocombineclassifiersthat
solvepatternsfromalloverthespace. Whencombined,theydealbetterwithcomplexdecision
boundaries than a single classifier and they are capable of incorporating new classifiers even
aftertheuse. Inthemixtureofexperts,eachoneoftheclassifiersisanexpertinacertainregion
ofthefeaturespaceand,althoughitsolvespatternsfromthewholefeaturespace,theclassifier
is dedicated to solve well simpler problems, reaching a better performance in comparison to
a unique classifier to solve the entire problem. Also, there is a hybrid approach, the mixture
of experts, in which each classifier solves patterns from the entire space as a committe, but
it is trained with patterns from a smaller region, similarly to modular neural networks. The
proposedmethodisentitledCommitteeofMixtureofExpertsandcorrespondstoacommittee
machineformedbymixtureofexperts. So,themethodinheritsscalabilityanderrortolerance
from committee machines and training simplicity from the mixture of experts. Experiments
weremadetoverifythesuperiorityofthecommitteeofmixturesofexpertsoverthreefactorsof
changingamongthemixtures: taskdecompositionmethods,numberofgroupsandfeatures.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/18491 |
| Date | 14 August 2013 |
| Creators | SILVA, Everson Veríssimo da |
| Contributors | http://lattes.cnpq.br/8577312109146354, CAVALCANTI, George Darmiton da Cunha |
| Publisher | Universidade Federal de Pernambuco, Programa de Pos Graduacao em Ciencia da Computacao, UFPE, Brasil |
| 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 0.0025 seconds