Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/28992 |
Resumo: | 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. |
id |
UFRN_764eca1945f4ece6dfd715d704ce680a |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/28992 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Silva, Robercy Alves daAraújo, Daniel Sabino Amorim deNascimento, Diego Silveira CostaCavalcanti, George Darmiton da CunhaAbreu, Marjory Cristiany da CostaCanuto, Anne Magaly de Paula2020-05-18T16:59:49Z2020-05-18T16:59:49Z2020-02-07SILVA, 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/123456789/28992Estamos 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.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.CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOAprendizado de máquinaComitês de classificadoresMeta-aprendizadoRecomendação automática da estrutura de comitês de classificadores usando meta-aprendizadoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisPROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOUFRNBrasilinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALRecomendacaoautomaticaestrutura_Silva_2020.pdfapplication/pdf7755555https://repositorio.ufrn.br/bitstream/123456789/28992/1/Recomendacaoautomaticaestrutura_Silva_2020.pdfa6c72d4afc2bf59a25a92ac54e11fec6MD51TEXTRecomendacaoautomaticaestrutura_Silva_2020.pdf.txtRecomendacaoautomaticaestrutura_Silva_2020.pdf.txtExtracted texttext/plain186578https://repositorio.ufrn.br/bitstream/123456789/28992/2/Recomendacaoautomaticaestrutura_Silva_2020.pdf.txt0cf99ca281dcb7d8b569cfbce693fa59MD52THUMBNAILRecomendacaoautomaticaestrutura_Silva_2020.pdf.jpgRecomendacaoautomaticaestrutura_Silva_2020.pdf.jpgGenerated Thumbnailimage/jpeg1304https://repositorio.ufrn.br/bitstream/123456789/28992/3/Recomendacaoautomaticaestrutura_Silva_2020.pdf.jpg3eec00d32c12bce375d0c3800dc80174MD53123456789/289922020-05-24 06:21:36.831oai:https://repositorio.ufrn.br:123456789/28992Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2020-05-24T09:21:36Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
title |
Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado |
spellingShingle |
Recomendação automática da estrutura de comitês de classificadores usando meta-aprendizado Silva, Robercy Alves da CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Aprendizado de máquina Comitês de classificadores 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 |
author |
Silva, Robercy Alves da |
author_facet |
Silva, Robercy Alves da |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
|
dc.contributor.advisorID.pt_BR.fl_str_mv |
|
dc.contributor.referees1.none.fl_str_mv |
Araújo, Daniel Sabino Amorim de |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees2.none.fl_str_mv |
Nascimento, Diego Silveira Costa |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
|
dc.contributor.referees3.none.fl_str_mv |
Cavalcanti, George Darmiton da Cunha |
dc.contributor.referees3ID.pt_BR.fl_str_mv |
|
dc.contributor.referees4.none.fl_str_mv |
Abreu, Marjory Cristiany da Costa |
dc.contributor.referees4ID.pt_BR.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Silva, Robercy Alves da |
dc.contributor.advisor1.fl_str_mv |
Canuto, Anne Magaly de Paula |
contributor_str_mv |
Canuto, Anne Magaly de Paula |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Aprendizado de máquina Comitês de classificadores Meta-aprendizado |
dc.subject.por.fl_str_mv |
Aprendizado de máquina Comitês de classificadores Meta-aprendizado |
description |
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. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-05-18T16:59:49Z |
dc.date.available.fl_str_mv |
2020-05-18T16:59:49Z |
dc.date.issued.fl_str_mv |
2020-02-07 |
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.citation.fl_str_mv |
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. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/28992 |
identifier_str_mv |
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. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/28992 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/28992/1/Recomendacaoautomaticaestrutura_Silva_2020.pdf https://repositorio.ufrn.br/bitstream/123456789/28992/2/Recomendacaoautomaticaestrutura_Silva_2020.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/28992/3/Recomendacaoautomaticaestrutura_Silva_2020.pdf.jpg |
bitstream.checksum.fl_str_mv |
a6c72d4afc2bf59a25a92ac54e11fec6 0cf99ca281dcb7d8b569cfbce693fa59 3eec00d32c12bce375d0c3800dc80174 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117699114893312 |