Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /

Mostrar outras versões (1)

resumo:Comitês de classificadores são sistemas compostos por um conjunto de classificadores individuais e um módulo de combinação, o qual é responsável por fornecer a saída final do sistema. Para que esses sistemas apresentem melhor desempenho que um classificador simples, é necessário que os compon...

ver descrição completa

Na minha lista:

Detalhes bibliográficos
Principais autores:	Silva, Lígia Maria Moura e., Canuto, Anne Magály de Paula, Universidade Federal do Rio Grande do Norte.
Formato:	Dissertação
Publicado em:
Assuntos:	Algoritmo genético - Dissertação. Inteligência computacional - Seleção de atributos - Comitês classificadores - Genetic algorithms. Computational intelligence. Selection of attributes. Committees classifiers.
Endereço do item:	https://repositorio.ufrn.br/jspui/bitstream/123456789/18014/1/LigiaMMS_DISSERT.pdf
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	oai:localhost:123456789-107401
record_format	dspace
spelling	oai:localhost:123456789-1074012022-11-30T17:57:18Z Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos / Silva, Lígia Maria Moura e. Canuto, Anne Magály de Paula Universidade Federal do Rio Grande do Norte. Algoritmo genético - Dissertação. Inteligência computacional - Dissertação. Seleção de atributos - Dissertação. Comitês classificadores - Dissertação. Genetic algorithms. Computational intelligence. Selection of attributes. Committees classifiers. resumo:Comitês de classificadores são sistemas compostos por um conjunto de classificadores individuais e um módulo de combinação, o qual é responsável por fornecer a saída final do sistema. Para que esses sistemas apresentem melhor desempenho que um classificador simples, é necessário que os componentes individuais não cometam erros nos mesmos padrões. Por este motivo, a diversidade tem sido considerada um dos aspectos mais importantes no projeto desses sistemas, já que não há vantagem na combinação de métodos de classificação idênticos. Uma forma de garantir diversidade é através da construção de classificadores individuais a partir de diferentes conjuntos de treinamento (padrões e/ou atributos). Nesse contexto, uma maneira de selecionar subconjuntos de atributos para os classificadores individuais é através da utilização de métodos de seleção de atributos. No entanto, na maioria das pesquisas, os métodos de seleção de atributos são aplicados apenas em comitês de classificadores homogêneos, ou seja, comitês compostos pelo mesmo tipo de classificador. Sendo assim, o objetivo deste trabalho é analisar o comportamento desses métodos na geração de comitês de classificadores diversos, tanto homogêneos como heterogêneos. Para guiar a distribuição dos atributos, entre os classificadores base, serão utilizadas duas abordagens de algoritmo genético (mono-objetivo e multi-objetivo), usando diferentes funções de aptidão. Para tanto, os experimentos serão divididos em duas fases, as quais usam uma abordagem filtro para a seleção de atributos.#$&Abstract:Classifier ensembles are systems composed of a set of individual classifiers and a combination module, which is responsible for providing the final output of the system. In the design of these systems, diversity is considered as one of the main aspects to be taken into account since there is no gain in combining identical classification methods. The ideal situation is a set of individual classifiers with uncorrelated errors. In other words, the individual classifiers should be diverse among themselves. One way of increasing diversity is to provide different datasets (patterns and/or attributes) for the individual classifiers. The diversity is increased because the individual classifiers will perform the same task (classification of the same input patterns) but they will be built using different subsets of patterns and/or attributes. The majority of the papers using feature selection for ensembles address the homogenous structures of ensemble, i.e., ensembles composed only of the same type of classifiers. In this investigation, two approaches of genetic algorithms (single and multi-objective) will be used to guide the distribution of the features among the classifiers in the context of homogenous and heterogeneous ensembles. The experiments will be divided into two phases that use a filter approach of feature selection guided by genetic algorithm. 1 2022-10-06T01:44:44Z 2022-10-06T01:44:44Z 2010. Dissertação 004.21 S586s DISSERT 166671 https://repositorio.ufrn.br/jspui/bitstream/123456789/18014/1/LigiaMMS_DISSERT.pdf https://repositorio.ufrn.br/jspui/bitstream/123456789/18014/1/LigiaMMS_DISSERT.pdf
institution	Acervo SISBI
collection	SIGAA
topic	Algoritmo genético - Dissertação. Inteligência computacional - Dissertação. Seleção de atributos - Dissertação. Comitês classificadores - Dissertação. Genetic algorithms. Computational intelligence. Selection of attributes. Committees classifiers.
spellingShingle	Algoritmo genético - Dissertação. Inteligência computacional - Dissertação. Seleção de atributos - Dissertação. Comitês classificadores - Dissertação. Genetic algorithms. Computational intelligence. Selection of attributes. Committees classifiers. Silva, Lígia Maria Moura e. Canuto, Anne Magály de Paula Universidade Federal do Rio Grande do Norte. Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /
description	resumo:Comitês de classificadores são sistemas compostos por um conjunto de classificadores individuais e um módulo de combinação, o qual é responsável por fornecer a saída final do sistema. Para que esses sistemas apresentem melhor desempenho que um classificador simples, é necessário que os componentes individuais não cometam erros nos mesmos padrões. Por este motivo, a diversidade tem sido considerada um dos aspectos mais importantes no projeto desses sistemas, já que não há vantagem na combinação de métodos de classificação idênticos. Uma forma de garantir diversidade é através da construção de classificadores individuais a partir de diferentes conjuntos de treinamento (padrões e/ou atributos). Nesse contexto, uma maneira de selecionar subconjuntos de atributos para os classificadores individuais é através da utilização de métodos de seleção de atributos. No entanto, na maioria das pesquisas, os métodos de seleção de atributos são aplicados apenas em comitês de classificadores homogêneos, ou seja, comitês compostos pelo mesmo tipo de classificador. Sendo assim, o objetivo deste trabalho é analisar o comportamento desses métodos na geração de comitês de classificadores diversos, tanto homogêneos como heterogêneos. Para guiar a distribuição dos atributos, entre os classificadores base, serão utilizadas duas abordagens de algoritmo genético (mono-objetivo e multi-objetivo), usando diferentes funções de aptidão. Para tanto, os experimentos serão divididos em duas fases, as quais usam uma abordagem filtro para a seleção de atributos.#$&Abstract:Classifier ensembles are systems composed of a set of individual classifiers and a combination module, which is responsible for providing the final output of the system. In the design of these systems, diversity is considered as one of the main aspects to be taken into account since there is no gain in combining identical classification methods. The ideal situation is a set of individual classifiers with uncorrelated errors. In other words, the individual classifiers should be diverse among themselves. One way of increasing diversity is to provide different datasets (patterns and/or attributes) for the individual classifiers. The diversity is increased because the individual classifiers will perform the same task (classification of the same input patterns) but they will be built using different subsets of patterns and/or attributes. The majority of the papers using feature selection for ensembles address the homogenous structures of ensemble, i.e., ensembles composed only of the same type of classifiers. In this investigation, two approaches of genetic algorithms (single and multi-objective) will be used to guide the distribution of the features among the classifiers in the context of homogenous and heterogeneous ensembles. The experiments will be divided into two phases that use a filter approach of feature selection guided by genetic algorithm.
format	Dissertação
author	Silva, Lígia Maria Moura e. Canuto, Anne Magály de Paula Universidade Federal do Rio Grande do Norte.
author_facet	Silva, Lígia Maria Moura e. Canuto, Anne Magály de Paula Universidade Federal do Rio Grande do Norte.
author_sort	Silva, Lígia Maria Moura e.
title	Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /
title_short	Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /
title_full	Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /
title_fullStr	Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /
title_full_unstemmed	Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /
title_sort	seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /
publishDate	2022
url	https://repositorio.ufrn.br/jspui/bitstream/123456789/18014/1/LigiaMMS_DISSERT.pdf
work_keys_str_mv	AT silvaligiamariamourae selecaodeatributosemcomitesdeclassificadoresutilizandoalgoritmosgeneticos AT canutoannemagalydepaula selecaodeatributosemcomitesdeclassificadoresutilizandoalgoritmosgeneticos AT universidadefederaldoriograndedonorte selecaodeatributosemcomitesdeclassificadoresutilizandoalgoritmosgeneticos
_version_	1766802815632539648

Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos /

Registros relacionados