Sistema híbrido inteligente para geração, seleção e combinação de classificadores
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/29397 |
Resumo: | Diversos estudos em Aprendizagem de Máquina demonstram teoricamente e empiricamente que problemas de classificação geralmente apresentam melhores taxas de acerto através da combinação de múltiplos classificadores. Essa estratégia assemelha-se a natureza humana em buscar opiniões de diferentes especialistas, a fim de se obter uma decisão mais precisa. Contudo, nem sempre são selecionados os classificadores mais adequados para prever o padrão em questão, especialmente se tratando da combinação estática de classificadores. A seleção (ou combinação) dinâmica de classificadores é uma técnica que usa a ideia de regiões de competência, na qual presume-se que diferentes classificadores são mais apropriados para rotular padrões com diferentes graus de dificuldade. Embora os atuais métodos apresentem diferenças em vários aspectos, a regra que seleciona o(s) classificador(es), em geral, é genérica e fixa. Além disso, a hipótese utilizada para decidir se um classificador será selecionado é, na maioria das vezes, definida com base em apenas um único critério. Sistemas Híbridos Inteligentes são modelos que resultam da combinação de duas, ou mais técnicas distintas, visando unir vantagens para suprir deficiências individuais. Neste sentido, a presente pesquisa tem como objetivo propor e avaliar a hibridização de técnicas que orientem tanto a geração do conjunto de classificadores como a posterior combinação destes. Os resultados experimentais sugerem que o sistema proposto apresenta desempenho superior quando comparado com algumas das principais técnicas existentes na literatura. |
id |
UFPE_1a2d0a5a1c2c03cb39e59f28392c1db3 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/29397 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
LIMA, Tiago Pessoa Ferreira dehttp://lattes.cnpq.br/4861396173974431http://lattes.cnpq.br/6321179168854922LUDERMIR, Teresa Bernarda2019-02-21T22:44:33Z2019-02-21T22:44:33Z2017-08-31https://repositorio.ufpe.br/handle/123456789/29397Diversos estudos em Aprendizagem de Máquina demonstram teoricamente e empiricamente que problemas de classificação geralmente apresentam melhores taxas de acerto através da combinação de múltiplos classificadores. Essa estratégia assemelha-se a natureza humana em buscar opiniões de diferentes especialistas, a fim de se obter uma decisão mais precisa. Contudo, nem sempre são selecionados os classificadores mais adequados para prever o padrão em questão, especialmente se tratando da combinação estática de classificadores. A seleção (ou combinação) dinâmica de classificadores é uma técnica que usa a ideia de regiões de competência, na qual presume-se que diferentes classificadores são mais apropriados para rotular padrões com diferentes graus de dificuldade. Embora os atuais métodos apresentem diferenças em vários aspectos, a regra que seleciona o(s) classificador(es), em geral, é genérica e fixa. Além disso, a hipótese utilizada para decidir se um classificador será selecionado é, na maioria das vezes, definida com base em apenas um único critério. Sistemas Híbridos Inteligentes são modelos que resultam da combinação de duas, ou mais técnicas distintas, visando unir vantagens para suprir deficiências individuais. Neste sentido, a presente pesquisa tem como objetivo propor e avaliar a hibridização de técnicas que orientem tanto a geração do conjunto de classificadores como a posterior combinação destes. Os resultados experimentais sugerem que o sistema proposto apresenta desempenho superior quando comparado com algumas das principais técnicas existentes na literatura.FACEPESeveral studies in Machine Learning demonstrate theoretically and empirically that classification problems usually present better hit rates through the combination of multiple classifiers. This strategy resembles human nature in seeking opinions from different experts in order to obtain a more precise decision. However, the best classifiers are not always selected to predict the pattern in question, especially when dealing with the static combination of classifiers. Dynamic classifier selection (or combining) is a technique that uses the idea of regions of competence, in which different classifiers are assumed to be more appropriate for labeling patterns with different degrees of difficulty. Although the current methods present differences in several aspects, the rule that selects the classifier(s), in general, is generic and fixed. In addition, the hypothesis used to decide whether a classifier will be selected is most often defined based on only one criterion. Hybrid Intelligent Systems are models that result from the combination of two, or more distinct techniques, aiming to unite advantages to supply individual deficiencies. In this sense, the present research aims to propose and evaluate the hybridization of techniques that guide both the generation of the set of classifiers and the subsequent combination of these. The experimental results suggest that the proposed system presents superior performance when compared to some of the main techniques in the literature.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessInteligência artificialGeração de classificadoresSistema híbrido inteligenteSistema híbrido inteligente para geração, seleção e combinação de classificadoresinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILTESE Tiago Pessoa Ferreira de Lima.pdf.jpgTESE Tiago Pessoa Ferreira de Lima.pdf.jpgGenerated Thumbnailimage/jpeg1268https://repositorio.ufpe.br/bitstream/123456789/29397/5/TESE%20Tiago%20Pessoa%20Ferreira%20de%20Lima.pdf.jpgc10f983da234078a9327ad021af9022cMD55ORIGINALTESE Tiago Pessoa Ferreira de Lima.pdfTESE Tiago Pessoa Ferreira de Lima.pdfapplication/pdf3138286https://repositorio.ufpe.br/bitstream/123456789/29397/1/TESE%20Tiago%20Pessoa%20Ferreira%20de%20Lima.pdf17bbd38d5384485fcaaadcf3d2615f96MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/29397/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82311https://repositorio.ufpe.br/bitstream/123456789/29397/3/license.txt4b8a02c7f2818eaf00dcf2260dd5eb08MD53TEXTTESE Tiago Pessoa Ferreira de Lima.pdf.txtTESE Tiago Pessoa Ferreira de Lima.pdf.txtExtracted texttext/plain171275https://repositorio.ufpe.br/bitstream/123456789/29397/4/TESE%20Tiago%20Pessoa%20Ferreira%20de%20Lima.pdf.txtd1e7e99f17af0e1e67aa2619398d692eMD54123456789/293972019-10-25 23:38:29.206oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-26T02:38:29Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Sistema híbrido inteligente para geração, seleção e combinação de classificadores |
title |
Sistema híbrido inteligente para geração, seleção e combinação de classificadores |
spellingShingle |
Sistema híbrido inteligente para geração, seleção e combinação de classificadores LIMA, Tiago Pessoa Ferreira de Inteligência artificial Geração de classificadores Sistema híbrido inteligente |
title_short |
Sistema híbrido inteligente para geração, seleção e combinação de classificadores |
title_full |
Sistema híbrido inteligente para geração, seleção e combinação de classificadores |
title_fullStr |
Sistema híbrido inteligente para geração, seleção e combinação de classificadores |
title_full_unstemmed |
Sistema híbrido inteligente para geração, seleção e combinação de classificadores |
title_sort |
Sistema híbrido inteligente para geração, seleção e combinação de classificadores |
author |
LIMA, Tiago Pessoa Ferreira de |
author_facet |
LIMA, Tiago Pessoa Ferreira de |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4861396173974431 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6321179168854922 |
dc.contributor.author.fl_str_mv |
LIMA, Tiago Pessoa Ferreira de |
dc.contributor.advisor1.fl_str_mv |
LUDERMIR, Teresa Bernarda |
contributor_str_mv |
LUDERMIR, Teresa Bernarda |
dc.subject.por.fl_str_mv |
Inteligência artificial Geração de classificadores Sistema híbrido inteligente |
topic |
Inteligência artificial Geração de classificadores Sistema híbrido inteligente |
description |
Diversos estudos em Aprendizagem de Máquina demonstram teoricamente e empiricamente que problemas de classificação geralmente apresentam melhores taxas de acerto através da combinação de múltiplos classificadores. Essa estratégia assemelha-se a natureza humana em buscar opiniões de diferentes especialistas, a fim de se obter uma decisão mais precisa. Contudo, nem sempre são selecionados os classificadores mais adequados para prever o padrão em questão, especialmente se tratando da combinação estática de classificadores. A seleção (ou combinação) dinâmica de classificadores é uma técnica que usa a ideia de regiões de competência, na qual presume-se que diferentes classificadores são mais apropriados para rotular padrões com diferentes graus de dificuldade. Embora os atuais métodos apresentem diferenças em vários aspectos, a regra que seleciona o(s) classificador(es), em geral, é genérica e fixa. Além disso, a hipótese utilizada para decidir se um classificador será selecionado é, na maioria das vezes, definida com base em apenas um único critério. Sistemas Híbridos Inteligentes são modelos que resultam da combinação de duas, ou mais técnicas distintas, visando unir vantagens para suprir deficiências individuais. Neste sentido, a presente pesquisa tem como objetivo propor e avaliar a hibridização de técnicas que orientem tanto a geração do conjunto de classificadores como a posterior combinação destes. Os resultados experimentais sugerem que o sistema proposto apresenta desempenho superior quando comparado com algumas das principais técnicas existentes na literatura. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-08-31 |
dc.date.accessioned.fl_str_mv |
2019-02-21T22:44:33Z |
dc.date.available.fl_str_mv |
2019-02-21T22:44:33Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/29397 |
url |
https://repositorio.ufpe.br/handle/123456789/29397 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Ciencia da Computacao |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/29397/5/TESE%20Tiago%20Pessoa%20Ferreira%20de%20Lima.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/29397/1/TESE%20Tiago%20Pessoa%20Ferreira%20de%20Lima.pdf https://repositorio.ufpe.br/bitstream/123456789/29397/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/29397/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/29397/4/TESE%20Tiago%20Pessoa%20Ferreira%20de%20Lima.pdf.txt |
bitstream.checksum.fl_str_mv |
c10f983da234078a9327ad021af9022c 17bbd38d5384485fcaaadcf3d2615f96 e39d27027a6cc9cb039ad269a5db8e34 4b8a02c7f2818eaf00dcf2260dd5eb08 d1e7e99f17af0e1e67aa2619398d692e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310610336088064 |