Seleção de atributos: uma abordagem geométrica.

• Ano de defesa: 1994
• Autor(a) principal: Nakano, Luis Gustavo Mendonca
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Attribute selection; Pattern recognition; Reconhecimento de padrões; Seleção de atributos
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-08012025-114529/

A área de reconhecimento de padrões possui como um dos seus problemas mais importantes a seleção de atributos. Este trabalho pretende introduzir um novo índice de separabilidade entre classes para a seleção de atributos, baseado nas características geométricas das distribuições das classes a serem classificadas. Este índice é baseado em um particionamento adaptativo do espaço de atributos que utiliza um custo computacional bastante menor que o critrio de m´ínima taxa de erro para o classificador de bayes e com a vantagem de nao utilizar informacoes sobre as funcoes densidade de probabilidade das distribuicoes das amostras. Varios testes foram realizados, tendo como parametros de comparacao a taxa de erro de Bayes e o critério do traço do produto da inversa da matriz W (matriz de espalhamento intra-classes) pela matriz B (matriz de espalhamento entre classes). Estes testes incluiram distribuições Gaussianas e não Gaussianas. O índice proposto fornece respostas bastante próximas das obtidas pelo critério de mínima taxa de erro do classificador de Bayes.