Detalhes bibliográficos
Ano de defesa: |
2014 |
Autor(a) principal: |
ALMEIDA, Henrique Alexandre de Menezes Sabino |
Orientador(a): |
CAVALCANTI, George Darmiton da Cunha |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/11507
|
Resumo: |
Em aprendizagem de máquina, uma das dificuldades mais recorrentes é a escolha do classificador que melhor resolve um determinado problema. Devido a isso, muitos estudos mostraram que problemas de classificação têm maiores taxas de acerto quando classificadores são combinados ao invés de apenas um classificador individual. A Seleção Dinâmica é uma estratégia para a combinação de múltiplos classificadores que usa a região de competência, no qual acredita-se que um subconjunto de classificadores seja mais competente para classificar um dado padrão de consulta. A abordagem tradicional de seleção dinâmica é composta por três fases: Superprodução, Região de Competência e Seleção Dinâmica. Vários métodos têm sidos propostos na fase de Superprodução, responsável pela geração de classificadores, e na fase de Seleção Dinâmica, responsável pela heurística de seleção, porém pouco foi estudado sobre a fase de Região de Competência. A fase de Região de Competência é responsável pela seleção dos padrões vizinhos do padrão de consulta, e é a principal informação para a seleção dos classificadores através da heurística de seleção. Devido à importância da região de competência, este trabalho propõe uma abordagem para seleção dinâmica que visa melhorar a definição da região de competência, tendo como hipótese que uma melhor definição dessa região resulta em um melhor desempenho de seleção dinâmica. Isso é realizado através de duas técnicas: filtragem de instâncias e distância adaptativa. Essas técnicas têm como finalidade a redução de padrões indesejáveis, e portanto são responsáveis por melhorar a qualidade da região de competência. Os experimentos foram realizados em 17 bases de dados utilizando 6 métodos diferentes de seleção dinâmica de classificadores. Os resultados mostraram que a abordagem proposta melhorou a taxa de acerto da seleção dinâmica, em relação a abordagem tradicional, em 10 bases com diferenças estatisticamente significativas, e em 5 dos 6 métodos de seleção dinâmica. No trabalho, também foi analisada a influência dos componentes do sistema de seleção dinâmica, e as descrições das bases de dados que influenciam a diferença dos resultados entre a abordagem proposta e a abordagem tradicional. Os resultados dessas análises mostraram que o método de seleção dinâmica e o classificador base são os componentes do sistema de seleção dinâmica que melhor determinam a taxa de acerto, e que o número de dimensões e o número de classes são os fatores que mais contribuem para a diferença de resultados entre as abordagens, proposta e tradicional. |