[pt] O foco desta tese está direcionado a problemas de
Classificação de Padrões. A proposta central é desenvolver
e testar alguns novos algoritmos para
ambientes supervisionados, utilizando um enfoque local-
global. As principais contribuições são: (i)
Desenvolvimento de método baseado em quantização
vetorial com posterior classificação supervisionada local.
O objetivo é resolver o problema de classificação estimando
as probabilidades posteriores em regiões
próximas à fronteira de decisão; (ii) Proposta do que
denominamos Zona de Risco Generalizada, um método
independente de modelo, para encontrar as observações
vizinhas à fronteira de decisão; (iii) Proposta de método
que denominamos Quantizador Vetorial das Fronteiras de
Decisão, um método de classificação que utiliza protótipos,
cujo objetivo é construir uma aproximação quantizada das
regiões vizinhas à fronteira de decisão. Todos os métodos
propostos foram testados em bancos de dados, alguns
sintéticos e outros publicamente disponíveis. / [en] This thesis is focused on Pattern Classification problems.
The objective is to develop and test new supervised
algorithms with a local-global approach. The main
contributions are: (i) A method based on vector
quantization with posterior supervised local
classification. The classification problem is solved by the
estimation of the posterior probabilities near the decision
boundary; (ii) Propose of what we call Zona de Risco
Generalizada, an independent model method to find
observations near the decision boundary; (iii) Propose of
what we call Quantizador Vetorial das Fronteiras de
Decisão, a classification method based on prototypes that
build a quantized approximation of the decision boundary.
All methods were tested in synthetics or real datasets.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:12959 |
| Date | 13 January 2009 |
| Creators | RODRIGO TOSTA PERES |
| Contributors | CARLOS KUBRUSLY |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0024 seconds