Return to search

Técnicas de redução de instâncias: ATISA e SSMA2

Made available in DSpace on 2014-06-12T15:55:36Z (GMT). No. of bitstreams: 2
arquivo2273_1.pdf: 1625266 bytes, checksum: 0eb4bb8ecfe790f72029c6e54c3438f6 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2010 / Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco / Algoritmos de aprendizagem baseados em instâncias geralmente fazem uso de grandes conjuntos
de treinamento. Esses algoritmos podem necessitar de razoável espaço de armazenamento
para manter esses conjuntos, ou mesmo sofrer com elevado custo computacional para a realização
da aprendizagem, ou durante generalizações. Um processo de seleção de instâncias
específicas para uso na aprendizagem pode influenciar fortemente o desempenho dos algoritmos
baseados em instâncias. Eles podem ser melhorados em quesitos como: requisitos de
armazenamento, tempo de execução e também em poder de classificação. Uma variedade de
técnicas da literatura atuam com a finalidade da redução de instâncias em um conjunto de treinamento.
Duas novas técnicas serão introduzidas nesta dissertação. A primeira delas, ATISA
(Adaptive Threshold-based Instance Selection Algorithm), mantém instâncias com base em um
critério que usa a distância de cada instância ao seu inimigo mais próximo como um limiar.
Essa característica prioriza instâncias próximas às fronteiras de decisão, que são mais determinantes
no processo de classificação. O ATISA é apresentado em três diferentes algoritmos, cada
um com abordagens distintas. A segunda técnica proposta é uma adaptação do SSMA (Steady-
State Memetic Algorithm), já utilizado para a seleção de instâncias, para a síntese de protótipos.
Aqui chamado de SSMA2, ele é um algoritmo evolucionário que cria protótipos que representam
instâncias e que podem não estar contidos no conjunto original de treinamento. Durante
o processo de evolução, ele realiza um passo de busca local para refinar soluções, vem daí a
denominação memético. Ambos, ATISA e SSMA2, apresentaram-se como alternativas dentre
as técnicas de redução de instâncias existentes, de acordo com os experimentos realizados

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/2229
Date31 January 2010
CreatorsLima Pereira, Cesar
ContributorsDarmiton da Cunha Cavalcanti, George
PublisherUniversidade Federal de Pernambuco
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0019 seconds