Algoritmo genético restrito por listas tabu no contexto de mineração de dados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2001 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPR |
Texto Completo: | https://hdl.handle.net/1884/25094 |
Resumo: | Orientadora: Aurora T.R. Pozo |
id |
UFPR_501433df5519eceff18ce1668725576a |
---|---|
oai_identifier_str |
oai:acervodigital.ufpr.br:1884/25094 |
network_acronym_str |
UFPR |
network_name_str |
Repositório Institucional da UFPR |
repository_id_str |
308 |
spelling |
Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaRamirez Pozo, Aurora Trinidad, 1959-Lopes, Fábio Mendonça2024-02-02T17:35:52Z2024-02-02T17:35:52Z2001https://hdl.handle.net/1884/25094Orientadora: Aurora T.R. PozoDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em InformáticaResumo: O presente trabalho teve como objetivo a obtenção e implementação de um algoritmo de geração de um classificador, no contexto da Mineração de Dados. Este classificador utilizou Algoritmos Genéticos (AGs). Alguns dos fundamentos que justificaram a escolha deste paradigma, foram baseados em sua grande capacidade em lidar com ruídos, dados inválidos ou imprecisos e, sua facilidade de adaptação frente à diferentes domínios de dados. A principal contribução do algoritmo projetado é a utilização de listas tabu restringindo o processo de seleção do AG. Esta restrição permite gerar um conjunto de regras potenciais para o classificador. Este tipo de estrategia foi proposta recentemente para trabalhar com funções multimodais e ainda não tinha sido avaliado seu comportamento no contexto de mineração de dados. Para análise da eficiência do algoritmo implementado foram realizados testes em cinco bases de dados, e os resultados comparados a 34 algoritmos classificadores. Posteriormente, foram realizados testes com adição de ruídos nas bases de dados. O algoritmo implementado demonstrou ser efeciente e robusto. A estratégia utilizada para manter a diversidade do AGs se mostrou válida, pois mesmo na utilização de populações menores, o algoritmo conseguiu manter sua precisão de classificação. A maior dificuldade encontrada no algoritmo foi o ajuste da medida de distância, parâmetro utilizado para as listas Tabu, o que afetou diretamente os resultados da precisão de classificação do algoritmo.Abstract: The present work aims to obtain and to implement a algorithm of generation of a classifier, in the context of Data Mining. This classifier used Genetic Algorithms (AGs). The choice of this paradigm is partially justified on its great capacity in dealing with noise, invalid or inexact data, and its easy adaptation to different domains of data. The GA algorithm uses Tabu List to restrict the selection process. This restriction allows the creation a set of potential rules for the classifier tool. This strategy was proposed recently, for multimodal and multiobjective function optimization and this behavior had not still been evaluated in the context of Data Mining. For analysis of the efficiency of the algorithm, tests were performed on five databases and compared with 34 classifying algorithms. Later, tests with addition of noises to the databases were performed. The implemented algorithm was shown to be efficient and robust. The strategy used to keep the diversity in the searching process was considered valid, since even for smaller populations, the algorithm kept its accuracy of sorting. The biggest difficulty found in the algorithm was the adjustment of the measure of distance, parameter used for the Tabu lists, which directly affected the results of the accuracy of sorting of the algorithm.77 f. ; 30cm.application/pdfDisponível em formato digitalAlgorítmos genéticosCiencia da ComputaçãoAlgoritmo genético restrito por listas tabu no contexto de mineração de dadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALD - LOPES, FABIO MENDONCA.pdfapplication/pdf3819604https://acervodigital.ufpr.br/bitstream/1884/25094/1/D%20-%20LOPES%2c%20FABIO%20MENDONCA.pdf07f1861770832ec5cf47094889611ffcMD51open accessTEXTD - LOPES, FABIO MENDONCA.pdf.txtExtracted Texttext/plain157650https://acervodigital.ufpr.br/bitstream/1884/25094/2/D%20-%20LOPES%2c%20FABIO%20MENDONCA.pdf.txt1a94d8d46839dfab66f4a6f8f4148072MD52open accessTHUMBNAILD - LOPES, FABIO MENDONCA.pdf.jpgGenerated Thumbnailimage/jpeg1203https://acervodigital.ufpr.br/bitstream/1884/25094/3/D%20-%20LOPES%2c%20FABIO%20MENDONCA.pdf.jpg039034bf616b0fd0ef3aae9ad12f231aMD53open access1884/250942024-02-02 14:35:52.674open accessoai:acervodigital.ufpr.br:1884/25094Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-02-02T17:35:52Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false |
dc.title.pt_BR.fl_str_mv |
Algoritmo genético restrito por listas tabu no contexto de mineração de dados |
title |
Algoritmo genético restrito por listas tabu no contexto de mineração de dados |
spellingShingle |
Algoritmo genético restrito por listas tabu no contexto de mineração de dados Lopes, Fábio Mendonça Algorítmos genéticos Ciencia da Computação |
title_short |
Algoritmo genético restrito por listas tabu no contexto de mineração de dados |
title_full |
Algoritmo genético restrito por listas tabu no contexto de mineração de dados |
title_fullStr |
Algoritmo genético restrito por listas tabu no contexto de mineração de dados |
title_full_unstemmed |
Algoritmo genético restrito por listas tabu no contexto de mineração de dados |
title_sort |
Algoritmo genético restrito por listas tabu no contexto de mineração de dados |
author |
Lopes, Fábio Mendonça |
author_facet |
Lopes, Fábio Mendonça |
author_role |
author |
dc.contributor.other.pt_BR.fl_str_mv |
Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática |
dc.contributor.advisor1.fl_str_mv |
Ramirez Pozo, Aurora Trinidad, 1959- |
dc.contributor.author.fl_str_mv |
Lopes, Fábio Mendonça |
contributor_str_mv |
Ramirez Pozo, Aurora Trinidad, 1959- |
dc.subject.por.fl_str_mv |
Algorítmos genéticos Ciencia da Computação |
topic |
Algorítmos genéticos Ciencia da Computação |
description |
Orientadora: Aurora T.R. Pozo |
publishDate |
2001 |
dc.date.issued.fl_str_mv |
2001 |
dc.date.accessioned.fl_str_mv |
2024-02-02T17:35:52Z |
dc.date.available.fl_str_mv |
2024-02-02T17:35:52Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/1884/25094 |
url |
https://hdl.handle.net/1884/25094 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.pt_BR.fl_str_mv |
Disponível em formato digital |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
77 f. ; 30cm. application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPR instname:Universidade Federal do Paraná (UFPR) instacron:UFPR |
instname_str |
Universidade Federal do Paraná (UFPR) |
instacron_str |
UFPR |
institution |
UFPR |
reponame_str |
Repositório Institucional da UFPR |
collection |
Repositório Institucional da UFPR |
bitstream.url.fl_str_mv |
https://acervodigital.ufpr.br/bitstream/1884/25094/1/D%20-%20LOPES%2c%20FABIO%20MENDONCA.pdf https://acervodigital.ufpr.br/bitstream/1884/25094/2/D%20-%20LOPES%2c%20FABIO%20MENDONCA.pdf.txt https://acervodigital.ufpr.br/bitstream/1884/25094/3/D%20-%20LOPES%2c%20FABIO%20MENDONCA.pdf.jpg |
bitstream.checksum.fl_str_mv |
07f1861770832ec5cf47094889611ffc 1a94d8d46839dfab66f4a6f8f4148072 039034bf616b0fd0ef3aae9ad12f231a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1801860374275817472 |