Um estudo sobre reconhecimento de padrões: um aprendizado supervisionado com classificador bayesiano

• Autor(a) principal: Cerqueira, Pedro Henrique Ramos
• Data de Publicação: 2011
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-11022011-101732/
• topic: Aprendizagem; Classication; Classificação; Estatística computacional; Inferência bayesiana; Learning; Marcador molecular; Mineração de dados; Molecular marker; Pattern Recognition; Probabilidade; Reconhecimento de padrões; Softwares.; Statistical nnnnadaaaaacomputing.

A facilidade que temos para reconhecer um rosto, compreender palavras faladas, ler manuscritos, identicar chaves do carro no bolso e decidir se uma maçã está madura pelo seu cheiro, desmentem os processos complexos que estão por trás desses atos de reconhecer estes padrões. Estes reconhecimentos têm sido cruciais para a nossa sobrevivência, e ao longo das últimas dezenas de milhões de anos desenvolvemos sistemas sosticados para a realização dessas tarefas. O reconhecimento de padrões tem por objetivo realizar a classicação de determinado conjunto de dados em determinadas classes ou grupos, considerando os seus padrões e os das classes, permitindo diversas aplicações, como por exemplo: processamento de documentos, leitores de código de barra; identicação de pessoas, leitores óticos ou de impressão digital; automação industrial, processamento de imagens e aplicações agronômicas, análise de marcadores moleculares e classicação de plantas, tornando-se nos últimos anos, uma técnica de grande importância. Para uma melhor classicação é necessário realizar aprendizados, que podem ser elaborados pelo método supervisionado ou não supervisionado, a m de desenvolver os classicadores, tais como o classicador bayesiano e as redes neurais, que permitem a tomada de decisões. Para vericar a qualidade das classicações devem ser utilizadas medições especícas, como o índice kappa ou a probabilidade de erro geral. Deste modo é essencial a utilização de software para a tomada de decisões, entre eles o R e o WEKA, desenvolvido especicamente para resolução de problemas de reconhecimento de padrões. Com o intuito de solucionar os problemas especícos das áreas de automação e agronomia, foi utilizado o método de aprendizado supervisionado, com classicador bayesiano e para vericar a qualidade das classicações foram utilizados o índice de kappa e a probabilidade de erro geral por meio dos software R e WEKA, para as classicações foram utilizados dados de marcadores moleculares, dados de soja e tipos de embalagens de peças de automóvel.