Avaliação de medidas de similaridade de matrizes kernel aplicadas em classicadores de larga margem para seleção de modelos

• Ano de defesa: 2019
• Autor(a) principal: Faustino, Paulo Roberto do Carmo
• Orientador(a): Villela, Saulo Moraes
• Banca de defesa: Fonseca Neto, Raul , Xavier, Vinicius Layter
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Ciência da Computação
• Departamento: ICE – Instituto de Ciências Exatas
• País: Brasil
• Palavras-chave em Português: Seleção de modelos; Seleção de hiperparâmetros; Seleção de características; Medidas de similaridade; Classificadores de larga margem; Model selection; Hyper-parameter selection; Feature selection; Similarity measures; Large margin classifiers
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/14187

A proposta deste trabalho é investigar o comportamento de medidas de similaridade, como Kernel Target Alignment (KTA) e Feature Space-based Kernel Matrix Evaluation Measure (FSM), e observar suas interações com um classificador de larga margem, construir um modelo de seleção de modelos, implementando seus componentes separadamente: um modelo de seleção de hiperparâmetros e um modelo de seleção de características. Os métodos KTA e FSM indicam o grau de similaridades entre matrizes kernel, retornando um valor de alinhamento. Este alinhamento é utilizando na construção dos modelos de seleção utilizando o método Simulated Annealing. São apresentados testes iniciais indicando o desempenho das medidas de similaridade, para a escolha adequada de qual medida será acoplada ao modelo de seleção proposto. Em seguida são descritos, separadamente, os modelos propostos de seleção, bem como seus resultados comparativos.