English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Tese de Doutorado Nº 382 "Classificação Baseada em Protótipos de Decisão Mais Próximos e Distâncias Adaptativas"

O aluno Telmo de Menezes e Silva Filho irá defender sua pesquisa no dia 22 de setembro, às 8h30, no Anfiteatro. Início: 22/09/2017 às 08:30 Término: 22/09/2017 às 00:00 Local: Anfiteatro do CIn

Pós-Graduação em Ciência da Computação – UFPE

Defesa de Tese de Doutorado Nº  382

Aluno: Telmo de Menezes e Silva Filho
Orientadora: Profa. Renata Maria Cardoso Rodrigues de Souza
Co-orientador: Prof. Ricardo Bastos Cavalcante Prudêncio
Título: Classificação Baseada em Protótipos de Decisão Mais Próximos e Distâncias Adaptativas
Data: 22/09/2017
Hora/Local:  8h:30m -  Centro de Informática - Anfiteatro
Banca Examinadora:

Prof. Adriano Lorena Inacio Oliveira (UFPE / Centro de Informática)
Prof. André Carlos Ponce de Leon Ferreira de Carvalho  (USP / Instituto De Ciências Matemáticas e de Computação)
Prof. Carmelo José Albanez Bastos Filho (UPE / Escola Politécnica de Pernambuco)
Prof. Byron Leite Dantas Bezerra  (UPE / Escola Politécnica de Pernambuco )
Prof. Carlos Wilson Dantas de Almeida (UFCG / Centro de Engenharia Elétrica e Informática)


RESUMO:

A aprendizagem de máquina é um ramo da inteligência artificial, cujo objetivo é desenvolver algoritmos capazes de aprender a partir de dados. Os métodos da aprendizagem de máquina podem ser aplicados a várias tarefas diferentes, dentre as quais é possível citar classificação e estimação de probabilidades de classe supervisionadas e semi-supervisionadas, tarefas que podem ser realizadas de forma intuitiva e com predições interpretáveis pelos métodos baseados em protótipos.
Quanto a esses métodos, é preciso considerar dois pontos importantes: (i) são suscetíveis a mínimos locais causados pela má inicialização dos protótipos e (ii) a distância escolhida para comparar os protótipos e as amostras é fundamental para um bom desempenho, pois ela precisa levar em consideração as diferentes distribuições dos atributos. Assim, este trabalho visa a explorar a versatilidade dos métodos baseados em protótipos para apresentar soluções para as tarefas de classificação supervisionada e semi-supervisionada, ao mesmo tempo em que apresenta soluções para os dois pontos mencionados acima, principalmente na forma de novas distâncias adaptativas. Para a primeira tarefa, este trabalho introduz um novo método que apresenta uma solução para o problema dos mínimos locais e usa uma distância generalizada aplicada a dados intervalares, capaz de modelar classes desbalanceadas e sub-regiões de classe de diferentes formas e tamanhos. Esse algoritmo também é capaz de eliminar protótipos inativos e selecionar atributos automaticamente.
Para a tarefa de classificação semi-supervisionada, este trabalho propõe um algoritmo de propagação de rótulos através grafos que, ao contrário dos métodos presentes na literatura, não foca apenas na classificação de instâncias não-rotuladas, mas sim na predição de probabilidades de classe apropriadas. Este trabalho também provê uma análise de desempenho dos dois métodos propostos, comparando-os a métodos existentes, em termos de taxa de erro de classificação (primeiro método) e funções de escore apropriadas (segundo método), usando conjuntos de dados reais e sintéticos. Os experimentos mostram que ambos os métodos apresentam desempenhos significativamente superiores ao estado da arte.

Palavras-chave: Classificação supervisionada, Classificação semi-supervisionada, Estimação de probabilidades de classe, Protótipos, Distâncias adaptativas

  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web