Detalhes bibliográficos
| Ano de defesa: |
2018 |
| Autor(a) principal: |
Lustosa Filho, José Augusto Saraiva |
| Orientador(a): |
Canuto, Anne Magaly de Paula |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://repositorio.ufrn.br/jspui/handle/123456789/26933
|
Resumo: |
As técnicas de classificadores de padrões são consideradas atividades chave na área de reconhecimento de padrões, onde busca-se atribuir um rótulo à uma amostra de teste. A utilização de classificadores individuais geralmente apresentam deficiências nas taxas de reconhecimento quando comparado à utilização de múltiplos classificadores para executar a mesma tarefa de classificação. Conforme a literatura, comitês de classificadores proveem melhores taxas de reconhecimento quando os classificadores candidatos apresentam erros não correlacionados em diferentes sub-espaços do problema. Nesse contexto, essa tese de doutorado explora diversos métodos de seleção de classificadores, baseados em seleção dinâmica, adicionando um critério de seleção que prioriza diversidade e/ou similaridade entre os classificadores base. Dessa forma os experimentos avaliados visam elucidar empiricamente a relevância da diversidade e/ou similaridade entre os classificadores base de comitês baseados em seleção dinâmica. Diversos trabalhos exploram diversidade em comitês de classificadores baseados em seleção estática e apontam que a diversidade entre os classificadores base é um fator que influência positivamente nas taxas de acurácias dos comitês, no entanto no contexto de comitês baseados em seleção dinâmica há pouca literatura relacionada e carência de pesquisas que exploram a influência da diversidade e similaridade entre os classificadores base. |
