English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Dissertação de Mestrado Nº 1.357: "Otimização de Algoritmo de Agrupamento de Dados para a Classificação Supervisionada de Padrões"

O aluno Evandro José da Rocha e Silva irá defender seu trabalho dia 25 de fevereiro, às 15h, no Anfiteatro Início: 25/02/2014 às 15:00 Término: 25/02/2014 às 17:00 Local: Anfiteatro do CIn

Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº  1.357
 
Aluno: Evandro José da Rocha e Silva
Orientador: Profa. Teresa Bernarda Ludermir
Co-orientador: Prof. Leandro Maciel Almeida
Título: Otimização de Algoritmo de Agrupamento de Dados para a Classificação Supervisionada de Padrões
Data: 25/02/2014
Hora/Local: 15h  à Anfiteatro
Banca Examinadora:
Prof. Cleber Zanchettin  (UFPE / CIn)
Prof. Aida Araujo Ferreira (IFPE / Tecnologia em Análise e Desenvolvimento de Sistemas)
Prof. Leandro Maciel Almeida  (UFPE / CIn)
 
RESUMO:
 
O reconhecimento de padrões é uma atividade corriqueira ao ser humano. Entretanto muitas vezes não somos capazes de lidar com o volume de informações disponíveis. Para isso podemos recorrer às técnicas de Aprendizagem de Máquina, cujos algoritmos permitem a um computador aprender e classificar padrões de forma segura e mais rápida.
Dentre os algoritmos que podem ser utilizados, existem aqueles que fazem parte dos sistemas de múltiplos classificadores. Nesses sistemas, vários classificadores trabalham em conjunto para a classificação dos padrões. O trabalho em conjunto pode ser realizado através da abordagem de seleção de classificadores.
Neste trabalho foi desenvolvida uma metodologia para a construção de sistemas de múltiplos classificadores. O método proposto utiliza a abordagem de seleção de classificadores para emitir uma resposta a um sinal de entrada. Inicialmente o método usa os dados de treinamento para encontrar um mapa do agrupamento dos dados. Com isso, os dados de validação e teste pertencentes a cada grupo são encontrados. Por fim, classificadores são treinados para cada grupo de dados. A seleção do classificador ocorre por meio da identificação do grupo ao qual o dado de entrada pertence.
Foram implementadas duas versões do método. A primeira, chamada BMGGAVS, conseguiu um bom desempenho, superando, na maioria das vezes, todos os outros métodos utilizados na comparação. A segunda versão do método, chamada BMG2GA, possui uma maior automatização. O BMG2GA não conseguiu resultados tão bons quanto os do BMGGAVS. Entretanto, em algumas situações, o BMG2GA conseguiu resultados próximos ou até melhores que os resultados de alguns dos métodos usados para comparação. Por causa desses últimos resultados, uma série de diretrizes são apresentadas para trabalhos futuros.
 
Palavras-chave: Reconhecimento de Padrões, Aprendizagem de Máquina, Sistemas de Múltiplos Classificadores (SMC), Comitês de Classificadores (CC), Seleção de Classificadores (SC), Blockmodeling, BM-GGA 
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web