Made available in DSpace on 2014-12-17T15:47:53Z (GMT). No. of bitstreams: 1
LigiaMMS_DISSERT.pdf: 1430923 bytes, checksum: 56e9de29de6907d7e9da54247e3af4ba (MD5)
Previous issue date: 2010-10-14 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Classifier ensembles are systems composed of a set of individual classifiers and a
combination module, which is responsible for providing the final output of the system.
In the design of these systems, diversity is considered as one of the main aspects to be
taken into account since there is no gain in combining identical classification methods.
The ideal situation is a set of individual classifiers with uncorrelated errors. In other
words, the individual classifiers should be diverse among themselves. One way of
increasing diversity is to provide different datasets (patterns and/or attributes) for the
individual classifiers. The diversity is increased because the individual classifiers will
perform the same task (classification of the same input patterns) but they will be built
using different subsets of patterns and/or attributes. The majority of the papers using
feature selection for ensembles address the homogenous structures of ensemble, i.e.,
ensembles composed only of the same type of classifiers. In this investigation, two
approaches of genetic algorithms (single and multi-objective) will be used to guide the
distribution of the features among the classifiers in the context of homogenous and
heterogeneous ensembles. The experiments will be divided into two phases that use a
filter approach of feature selection guided by genetic algorithm / Comit?s de classificadores s?o sistemas compostos por um conjunto de classificadores
individuais e um m?dulo de combina??o, o qual ? respons?vel por fornecer a sa?da final
do sistema. Para que esses sistemas apresentem melhor desempenho que um
classificador simples, ? necess?rio que os componentes individuais n?o cometam erros
nos mesmos padr?es. Por este motivo, a diversidade tem sido considerada um dos
aspectos mais importantes no projeto desses sistemas, j? que n?o h? vantagem na
combina??o de m?todos de classifica??o id?nticos. Uma forma de garantir diversidade ?
atrav?s da constru??o de classificadores individuais a partir de diferentes conjuntos de
treinamento (padr?es e/ou atributos). Nesse contexto, uma maneira de selecionar
subconjuntos de atributos para os classificadores individuais ? atrav?s da utiliza??o de
m?todos de sele??o de atributos. No entanto, na maioria das pesquisas, os m?todos de
sele??o de atributos s?o aplicados apenas em comit?s de classificadores homog?neos, ou
seja, comit?s compostos pelo mesmo tipo de classificador. Sendo assim, o objetivo
deste trabalho ? analisar o comportamento desses m?todos na gera??o de comit?s de
classificadores diversos, tanto homog?neos como heterog?neos. Para guiar a
distribui??o dos atributos, entre os classificadores base, ser?o utilizadas duas
abordagens de algoritmo gen?tico (mono-objetivo e multi-objetivo), usando diferentes
fun??es de aptid?o. Para tanto, os experimentos ser?o divididos em duas fases, as quais
usam uma abordagem filtro para a sele??o de atributos
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/18014 |
| Date | 14 October 2010 |
| Creators | Silva, L?gia Maria Moura e |
| Contributors | CPF:66487099449, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8, Prud?ncio, Ricardo Bastos Cavalcante, CPF:62417703300, http://lattes.cnpq.br/2984888073123287, Carvalho, Bruno Motta de, CPF:79228860472, http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6, 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/masterThesis |
| 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 0.0028 seconds