Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado
We are constantly concerned with classifying things, people and making decisions, that when we face problems with a high degree of complexity, we tend to seek opinions from other people, usually from people who have a certain knowledge or even, as far as possible, be specialists in the domain of...
Na minha lista:
| Autor principal: | |
|---|---|
| Outros Autores: | |
| Formato: | doctoralThesis |
| Idioma: | pt_BR |
| Publicado em: |
Brasil
|
| Assuntos: | |
| Endereço do item: | https://repositorio.ufrn.br/jspui/handle/123456789/28992 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| id |
ri-123456789-28992 |
|---|---|
| record_format |
dspace |
| spelling |
ri-123456789-289922020-05-24T09:21:36Z Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado Silva, Robercy Alves da Canuto, Anne Magaly de Paula Araújo, Daniel Sabino Amorim de Nascimento, Diego Silveira Costa Cavalcanti, George Darmiton da Cunha Abreu, Marjory Cristiany da Costa Aprendizado de máquina Comitês de classificadores Meta-aprendizado CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO We are constantly concerned with classifying things, people and making decisions, that when we face problems with a high degree of complexity, we tend to seek opinions from other people, usually from people who have a certain knowledge or even, as far as possible, be specialists in the domain of the problem in question, so that they effectively assist us in our decision-making process. In an analogy to the classification structures, we have a committee of people and or specialists (classifiers) who make decisions and, based on these answers, a final decision is made (aggregator). Thus, we can say that a classifier committee is formed by a set of classifiers (specialists), organized in parallel, that receive input information (standard or instance), and make an individual decision. Based on these decisions, the aggregator chooses the final, single decision of the committee. An important issue in the design of classifier committees is the definition of their structure, more specifically, the number and type of classifiers, and the aggregation method, to obtain the highest possible performance. Generally, an exhaustive test and evaluation process is necessary to define this structure, and trying to assist in this line of research, this work proposes two new approaches for systems of automatic recommendation of the classifier committee structure, using meta-learning to recommend three of these parameters: the classifier, the number of classifiers and the aggregator. Estamos constantemente preocupados em classificar coisas, pessoas e a tomar decisões, que quando nos deparamos com problemas com um alto grau de complexidade, tendemos buscar opiniões de outras pessoas, geralmente de pessoas que tenham certo conhecimento ou até mesmo, na medida do possível, sejam especialistas no domínio do problema em questão, de forma que nos auxiliem efetivamente no nosso processo de tomada de decisão. Em uma analogia às estruturas de classificação, temos um comitê de pessoas e ou especialistas (classificadores) que toma decisões e, com base nestas respostas, uma decisão final é tomada (agregador). Assim, podemos dizer que um comitê de classificadores é formado por um conjunto de classificadores (especialistas), organizados paralelamente, que recebem uma informação de entrada (padrão ou instância), e tomam uma decisão individual. Com base nestas decisões, o agregador escolhe a decisão final, única, do comitê. Uma questão importante no projeto de comitês de classificadores é a definição de sua estrutura, mais especificamente, a quantidade e o tipo de classificadores, e o método de agregação, para se obter o maior desempenho possível. Geralmente, é necessário um processo exaustivo de teste e avaliação para se definir esta estrutura, e tentando auxiliar nessa linha de pesquisa, este trabalho propõe duas novas abordagens para sistemas de recomendação automática da estrutura de comitês de classificadores, usando o meta-aprendizado para recomendar três desses parâmetros: o classificador, o número de classificadores e o agregador. 2020-05-18T16:59:49Z 2020-05-18T16:59:49Z 2020-02-07 doctoralThesis SILVA, Robercy Alves da. Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado. 2020. 111f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2020. https://repositorio.ufrn.br/jspui/handle/123456789/28992 pt_BR Acesso Aberto application/pdf Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO |
| institution |
Repositório Institucional |
| collection |
RI - UFRN |
| language |
pt_BR |
| topic |
Aprendizado de máquina Comitês de classificadores Meta-aprendizado CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
| spellingShingle |
Aprendizado de máquina Comitês de classificadores Meta-aprendizado CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Silva, Robercy Alves da Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
| description |
We are constantly concerned with classifying things, people and making decisions, that
when we face problems with a high degree of complexity, we tend to seek opinions from
other people, usually from people who have a certain knowledge or even, as far as possible,
be specialists in the domain of the problem in question, so that they effectively assist us
in our decision-making process. In an analogy to the classification structures, we have
a committee of people and or specialists (classifiers) who make decisions and, based on
these answers, a final decision is made (aggregator). Thus, we can say that a classifier
committee is formed by a set of classifiers (specialists), organized in parallel, that receive
input information (standard or instance), and make an individual decision. Based on
these decisions, the aggregator chooses the final, single decision of the committee. An
important issue in the design of classifier committees is the definition of their structure,
more specifically, the number and type of classifiers, and the aggregation method, to obtain
the highest possible performance. Generally, an exhaustive test and evaluation process is
necessary to define this structure, and trying to assist in this line of research, this work
proposes two new approaches for systems of automatic recommendation of the classifier
committee structure, using meta-learning to recommend three of these parameters: the
classifier, the number of classifiers and the aggregator. |
| author2 |
Canuto, Anne Magaly de Paula |
| author_facet |
Canuto, Anne Magaly de Paula Silva, Robercy Alves da |
| format |
doctoralThesis |
| author |
Silva, Robercy Alves da |
| author_sort |
Silva, Robercy Alves da |
| title |
Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
| title_short |
Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
| title_full |
Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
| title_fullStr |
Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
| title_full_unstemmed |
Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
| title_sort |
recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
| publisher |
Brasil |
| publishDate |
2020 |
| url |
https://repositorio.ufrn.br/jspui/handle/123456789/28992 |
| work_keys_str_mv |
AT silvarobercyalvesda recomendacaoautomaticadaestruturadecomitesdeclassificadoresusandometaaprendizado |
| _version_ |
1773962483386548224 |