Generalizações da integral de Choquet como método de combinação em comitês de classificadores
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/48233 |
Resumo: | Comitê de classificadores é um modelo dentro da aprendizagem de máquina que consiste em uma coleção de classificadores que processam uma mesma informação e a saída destes é combinada de alguma maneira. O processo de classificação geralmente se dá em duas etapas: a etapa de classificação e a etapa de combinação. Na etapa de classificação, cada classificador processa a informação e fornece sua opinião sobre a classe à qual o elemento pertence, na etapa de combinação, a opinião de todos os classificadores são combinadas, fornecendo uma única saída. Apesar da etapa de combinação ser de grande importância, muitos dos trabalhos encontrados na literatura focam principalmente na etapa de classificação. Neste trabalho serão propostas generalizações da integral de Choquet para uso como método de combinação em comitês de classificadores. A ideia principal é permitir uma maior liberdade de escolha de funções para compor a integral, abrindo possibilidades de otimização e utilização de funções adequadas aos dados. Além disso, é proposta uma nova noção de monotonicidade parcial e consequentemente uma alternativa à noção de funções de pré-agregação. Resultados preliminares obtidos pelas generalizações da integral de Choquet propostas mostraram que elas foram capazes de obter bons resultados, tendo tido desempenho superior a métodos conhecidos da literatura como o XGBoost, Bagging, entre outros. Além disso, as integrais que envolveram as novas funções de agregação propostas tiveram um bom desempenho quando comparadas com a performance ao se utilizar outras classes de funções, como as Cópulas e os Overlaps. |
id |
UFRN_b3012c40b89e844bb05fb05217b15c30 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/48233 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Batista, Thiago Vinicius Vieirahttp://lattes.cnpq.br/0611317420505665http://lattes.cnpq.br/4601263005352005Moraes, Ronei Marcos deCanuto, Anne Magaly de PaulaDimuro, Graçaliz PereiraPaiva, Rui Eduardo BrasileiroBedregal, Benjamin Rene Callejas2022-06-20T19:43:53Z2022-06-20T19:43:53Z2022-03-04BATISTA, Thiago Vinicius Vieira. Generalizações da integral de Choquet como método de combinação em comitês de classificadores. 2022. 119f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/48233Comitê de classificadores é um modelo dentro da aprendizagem de máquina que consiste em uma coleção de classificadores que processam uma mesma informação e a saída destes é combinada de alguma maneira. O processo de classificação geralmente se dá em duas etapas: a etapa de classificação e a etapa de combinação. Na etapa de classificação, cada classificador processa a informação e fornece sua opinião sobre a classe à qual o elemento pertence, na etapa de combinação, a opinião de todos os classificadores são combinadas, fornecendo uma única saída. Apesar da etapa de combinação ser de grande importância, muitos dos trabalhos encontrados na literatura focam principalmente na etapa de classificação. Neste trabalho serão propostas generalizações da integral de Choquet para uso como método de combinação em comitês de classificadores. A ideia principal é permitir uma maior liberdade de escolha de funções para compor a integral, abrindo possibilidades de otimização e utilização de funções adequadas aos dados. Além disso, é proposta uma nova noção de monotonicidade parcial e consequentemente uma alternativa à noção de funções de pré-agregação. Resultados preliminares obtidos pelas generalizações da integral de Choquet propostas mostraram que elas foram capazes de obter bons resultados, tendo tido desempenho superior a métodos conhecidos da literatura como o XGBoost, Bagging, entre outros. Além disso, as integrais que envolveram as novas funções de agregação propostas tiveram um bom desempenho quando comparadas com a performance ao se utilizar outras classes de funções, como as Cópulas e os Overlaps.Ensembles of classifiers is an method in machine learning that consists in a collection of classifiers that process the same information and their output is combined in some manner. The process of classification is done in two main steps: the classification step and the combination step. In the classification step, each classifier processes the information and provides an output, in the combination step, the output of every classifier is combined, providing a single output. Although the combination step is extremely important, most works focus mostly on the classification step. Therefore, in this work, generalizations of the Choquet Integral will be proposed to be used as a combination method in ensembles of classifiers. The main idea is to allow a greater freedom of choice for functions in the integral, opening possibilities for otimization and using functions adequate to the data. Furthermore, a new notion of partial monotonicity is proposed, and consequently an alternative to the notion of pre-aggregation functions. Preliminary results that were obtained by the generalizations of the Choquet integral in the ensemble showed that they were capable of obtaining good results, having a superior performance to known methods in literature such as XGBoost, Bagging, among others. Furthermore, the generalizations that used the proposed aggregation functions had good performance when compared to other classes of functions, such as Copulas and Overlaps.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOUFRNBrasilComputaçãoComitês de classificadoresIntegral de choquetFunções de pré-agregaçãoFunções overlapFunções de quasi-overlapÍndices de validaçãoGeneralizações da integral de Choquet como método de combinação em comitês de classificadoresGeneralizations of the Choquet integral as a combination method in ensemble of classifiersinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALGeneralizacoesintegralChoquet_Batista_2022.pdfapplication/pdf4743824https://repositorio.ufrn.br/bitstream/123456789/48233/1/GeneralizacoesintegralChoquet_Batista_2022.pdf628c81c9c8bd10a18ed88347724e142fMD51123456789/482332022-06-20 16:44:31.896oai:https://repositorio.ufrn.br:123456789/48233Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-06-20T19:44:31Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Generalizações da integral de Choquet como método de combinação em comitês de classificadores |
dc.title.alternative.pt_BR.fl_str_mv |
Generalizations of the Choquet integral as a combination method in ensemble of classifiers |
title |
Generalizações da integral de Choquet como método de combinação em comitês de classificadores |
spellingShingle |
Generalizações da integral de Choquet como método de combinação em comitês de classificadores Batista, Thiago Vinicius Vieira Computação Comitês de classificadores Integral de choquet Funções de pré-agregação Funções overlap Funções de quasi-overlap Índices de validação |
title_short |
Generalizações da integral de Choquet como método de combinação em comitês de classificadores |
title_full |
Generalizações da integral de Choquet como método de combinação em comitês de classificadores |
title_fullStr |
Generalizações da integral de Choquet como método de combinação em comitês de classificadores |
title_full_unstemmed |
Generalizações da integral de Choquet como método de combinação em comitês de classificadores |
title_sort |
Generalizações da integral de Choquet como método de combinação em comitês de classificadores |
author |
Batista, Thiago Vinicius Vieira |
author_facet |
Batista, Thiago Vinicius Vieira |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0611317420505665 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4601263005352005 |
dc.contributor.referees1.none.fl_str_mv |
Canuto, Anne Magaly de Paula |
dc.contributor.referees2.none.fl_str_mv |
Dimuro, Graçaliz Pereira |
dc.contributor.referees3.none.fl_str_mv |
Paiva, Rui Eduardo Brasileiro |
dc.contributor.author.fl_str_mv |
Batista, Thiago Vinicius Vieira |
dc.contributor.advisor-co1.fl_str_mv |
Moraes, Ronei Marcos de |
dc.contributor.advisor1.fl_str_mv |
Bedregal, Benjamin Rene Callejas |
contributor_str_mv |
Moraes, Ronei Marcos de Bedregal, Benjamin Rene Callejas |
dc.subject.por.fl_str_mv |
Computação Comitês de classificadores Integral de choquet Funções de pré-agregação Funções overlap Funções de quasi-overlap Índices de validação |
topic |
Computação Comitês de classificadores Integral de choquet Funções de pré-agregação Funções overlap Funções de quasi-overlap Índices de validação |
description |
Comitê de classificadores é um modelo dentro da aprendizagem de máquina que consiste em uma coleção de classificadores que processam uma mesma informação e a saída destes é combinada de alguma maneira. O processo de classificação geralmente se dá em duas etapas: a etapa de classificação e a etapa de combinação. Na etapa de classificação, cada classificador processa a informação e fornece sua opinião sobre a classe à qual o elemento pertence, na etapa de combinação, a opinião de todos os classificadores são combinadas, fornecendo uma única saída. Apesar da etapa de combinação ser de grande importância, muitos dos trabalhos encontrados na literatura focam principalmente na etapa de classificação. Neste trabalho serão propostas generalizações da integral de Choquet para uso como método de combinação em comitês de classificadores. A ideia principal é permitir uma maior liberdade de escolha de funções para compor a integral, abrindo possibilidades de otimização e utilização de funções adequadas aos dados. Além disso, é proposta uma nova noção de monotonicidade parcial e consequentemente uma alternativa à noção de funções de pré-agregação. Resultados preliminares obtidos pelas generalizações da integral de Choquet propostas mostraram que elas foram capazes de obter bons resultados, tendo tido desempenho superior a métodos conhecidos da literatura como o XGBoost, Bagging, entre outros. Além disso, as integrais que envolveram as novas funções de agregação propostas tiveram um bom desempenho quando comparadas com a performance ao se utilizar outras classes de funções, como as Cópulas e os Overlaps. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-06-20T19:43:53Z |
dc.date.available.fl_str_mv |
2022-06-20T19:43:53Z |
dc.date.issued.fl_str_mv |
2022-03-04 |
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 |
BATISTA, Thiago Vinicius Vieira. Generalizações da integral de Choquet como método de combinação em comitês de classificadores. 2022. 119f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/48233 |
identifier_str_mv |
BATISTA, Thiago Vinicius Vieira. Generalizações da integral de Choquet como método de combinação em comitês de classificadores. 2022. 119f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
url |
https://repositorio.ufrn.br/handle/123456789/48233 |
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.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
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 |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
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/123456789/48233/1/GeneralizacoesintegralChoquet_Batista_2022.pdf |
bitstream.checksum.fl_str_mv |
628c81c9c8bd10a18ed88347724e142f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1814832623876308992 |