[pt] Esta dissertação investigou a criação de comitês de
classificadores baseados em Redes Neurais Multilayer
Perceptron (Redes MLP, abreviadamente). Isso foi feito em
dois passos: primeiro, aplicando-se procedimentos para
criação de redes complementares, i.e, redes individualmente
eficazes mas que cometem erros distintos; segundo, testando-
se sobre essas redes alguns dos principais métodos de
combinação disponíveis. Dentre os procedimentos para
criação de redes complementares, foi dado enfoque para os
baseados em alteração do conjunto de treinamento. Os
métodos Bootstrap e Arc-x4 foram escolhidos para serem
utilizados no estudo de casos, juntamente com o método RDP
(Replicação Dirigida de Padrões). No que diz respeito aos
métodos de combinação disponíveis, foi dada particular
atenção ao método de combinação por integrais nebulosas.
Além deste método, implementou-se combinação por média,
votação por pluralidade e Borda count. As aplicações
escolhidas para teste envolveram duas vertentes importantes
na área de visão computacional - Classificação de
Coberturas de Solo por Imagens de Satélite e Reconhecimento
de Expressões Faciais. Embora ambas pertençam à mesma área
de conhecimento, foram escolhidas de modo a representar
níveis de dificuldade diferentes como tarefas de
classificação - enquanto a primeira contou com um grande
número de padrões disponíveis, a segunda foi
comparativamente limitada nesse sentido. Como resultado
final, comprovou-se a viabilidade da utilização de comitês
em problemas de classificação, mesmo com as possíveis
variações de desempenho relacionadas com a complexidade
desses problemas. O método de combinação baseado em
integrais nebulosas mostrou-se particularmente eficiente
quando associado ao procedimento RDP para formação das redes
comissionadas, mas nem sempre foi satisfatório. Considerado
individualmente, o RDP tem a limitação de criar, no máximo,
tantas redes quanto forem as classes consideradas em um
problema; porém, quando este número de redes foi
considerado como base de comparação, o RDP se mostrou,
na média de todos os métodos de combinação testados, mais
eficaz que os procedimentos Bootstrap e Arc-x4. Por outro
lado, tanto o Bootstrap quanto o Arc-x4 têm a importante
vantagem de permitirem a formação de um número crescente de
membros, o que quase sempre acarretou em melhorias de
desempenho global em relação ao RDP. / [en] The present dissertation investigated the creation of
classifier committees based on Multilayer Perceptron Neural
Networks (MLP Networks, for short). This was done in two
parts: first, by applying procedures for creating
complementary networks, i.e., networks that are individually
accurate but cause distinct misclassifications; second, by
assessing different combining methods to these network`s
outputs. Among the procedures for creating committees
members, the main focus was set to the ones based on
changes to the training set . Bootstrap and Arc-x4 were
chosen to be used at the experiments, along with the RDP
procedure (translated as Driven Pattern Replication). With
respect to the available combining methods, special
attention was paid to fuzzy integrals combination. Average
combination, plurality voting and Borda count were also
implemented. The chosen experimental applications included
interesting branches from computer vision: Land Cover
Classification from Satellite Images and Facial Expression
Recognition. These applications were specially interesting,
in the sense they represent two different levels of
difficulty as classification tasks - while the first had a
great number of available patterns, the second was
comparatively limited in this way. This work proved the
viability of using committees in classification problems,
despite the small performance fluctuations related to these
problems complexity. The fuzzy integrals method has shown
to be particularly interesting when coupled with the RDP
procedure for committee creation, but was not always
satisfactory. Taken alone, the RDP has the limitation of
creating, at most, as many networks as there are classes to
be considered at the problem at hand; however, when
this number of networks was considered as the basis for
comparison, this procedure outperformed, taking into
account average combining results, both Bootstrap and Arc-
x4. On the other hand, these later procedures have the
important advantage of allowing the creation of an
increasing number of committee members, what almost always
increased global performance in comparison to RDP. / [es] Esta disertación investigó la creación de comités de
clasificadores basados en Redes Neurales Multilayer
Perceptron (Redes MLP, abreviadamente). Esto fue ejecutado
en dos pasos: primeiro, aplicando procedimentos para la
creación de redes complementares, esto es, redes que
individualmente son eficaces pero que cometen erros
diferentes; segundo, probando sobre esas redes, algunos de
los principales métodos de combinación disponibles. Dentro
de los procedimentos para la creación de redes
complementares, se eligieron los basados en alteración del
conjunto de entrenamiento. Los métodos Bootstrap y Arc-x4
fueron seleccionados para utilizarlos em el estudio de
casos, conjuntamente con el método RDP (Replicación
Dirigida de Padrones). Con respecto a los métodos de
combinación disponibles, se le dió particular atención al
método de combinación por integrales nebulosas. Además de
este método, se implementaron: combinación por media,
votación por pluralidad y Borda cont. Las aplicaciones
seleccionadas para pruebas consideran dos vertientes
importantes en la área de visión computacional -
Clasificación de Coberturas de Suelo por Imágenes de
Shastalite y Reconocimiento de Expresiones Faciales. Aunque
ambas pertencen a la misma área de conocimento, fueron
seleccionadas de modo con diferentes níveles de dificuldad
como tareas de clasificación - Mientras la primera contó
con un gran número de padrones disponibles, la segunda fue
comparativamente limitada em ese sentido. Como resultado
final, se comprobó la viabilidad de la utilización de
comités en problemas de clasificación, incluso con las
posibles variaciones de desempeño relacionadas con la
complejidad de esos problemas. El método de combinación
basado en integrales nebulosas se mostró particularmente
eficiente asociado al procedimiento RDP para formación de
las redes comisionadas, pero no siempre fue satisfactorio.
Considerado individualmente, el RDP tiene la limitación de
crear, como máximo, tantas redes como clases consideradas
en un problema; sin embargo, cuando el número de redes fue
considerado como base de comparación, el RDP se mostró más
eficaz, en la media de todos los métodos de combinación,
que los procedimentos Bootstrap y Arc-x4. Por otro lado,
tanto el Bootstrap como el Arc-x4 tiene la importante
ventaja de permitir la formación de un número cresciente de
miembros, lo que generalmente mejora el desempeño global en
relación al RDP.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:1890 |
| Date | 28 August 2001 |
| Contributors | MARLEY MARIA BERNARDES REBUZZI VELLASCO, RAUL QUEIROZ FEITOSA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Spanish |
| Type | TEXTO |
Page generated in 0.0037 seconds