Detalhes bibliográficos
| Ano de defesa: |
2005 |
| Autor(a) principal: |
Cirelo, Marcelo Cesar |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| 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://www.teses.usp.br/teses/disponiveis/3/3132/tde-10112023-095922/
|
Resumo: |
Neste trabalho são apresentados métodos para aprendizado de classificadores Bayesianos a partir de bases de dados contendo dados rotulados e não-rotulados (aprendizado semi-supervisionado). O trabalho apresenta dois novos algoritmos, SSS e CBL-EM, e compara estes algoritmos com versões de classificadores Naive Bayes, Tree-Augmented Naive Bayes e Structural-EM. As principais contribuições foram o desenvolvimento de um método para utilizar o algoritmo CBL1 em conjunto com o algoritmo EM (do inglês Expectation-Maximization) e a definição de uma metodologia para o aprendizado semi-supervisionado de classificadores Bayesianos. Os resultados empíricos mostram que os algoritmos propostos tem desempenho superior aos algoritmos existentes para aprendizado com dados rotulados e não-rotulados. |
