Ver registro no DEDALUS
Exportar registro bibliográfico

Classificadores baseados em vetores de suporte gerados a partir de dados rotulados e não-rotulados (2006)

  • Authors:
  • USP affiliated authors: OLIVEIRA, CLAYTON SILVA - EP
  • USP Schools: EP
  • Sigla do Departamento: PMR
  • Subjects: APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; ALGORITMOS
  • Language: Português
  • Abstract: Treinamento semi-supervisionado é uma metodologia de aprendizado de máquina que conjuga características de treinamento supervisionado e não-supervisionado. Ela se baseia no uso de bases semi-rotuladas (bases contendo dados rotulados e não-rotulados) para o treinamento de classificadores. A adição de dados não-rotulados, mais baratos e geralmente disponíveis em maior quantidade do que os dados rotulados, pode aumentar o desempenho e/ou baratear o custo de treinamento desses classificadores (a partir da diminuição da quantidade de dados rotulados necessários). Esta dissertação analisa duas estratégias para se executar treinamento semi-supervisionado, especificamente em Support Vector Machines (SVMs): formas direta e indireta. A estratégia direta é atualmente mais conhecida e estudada, e permite o uso de dados rotulados e não-rotulados, ao mesmo tempo, em tarefas de aprendizagem de classificadores. Entretanto, a inclusão de muitos dados não-rotulados pode tornar o treinamento demasiadamente lento. Já a estratégia indireta é mais recente, sendo capaz de agregar os benefícios do treinamento semi-supervisionado direto com tempos menores para o aprendizado de classificadores. Esta opção utiliza os dados não-rotulados para pré-processar a base de dados previamente à tarefa de aprendizagem do classificador, permitindo, por exemplo, a filtragem de eventuais ruídos e a reescrita da base em espaços de variáveis mais convenientes. Dentro do escopo daforma indireta, está a principal contribuição dessa dissertação: idealização, implementação e análise do algoritmo split learning. Foram obtidos ótimos resultados com esse algoritmo, que se mostrou eficiente em treinar SVMs de melhor desempenho e em períodos menores a partir de bases semi-rotuladas
  • Imprenta:
  • Data da defesa: 30.03.2006
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    EPBC31200011733FD-4313
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      OLIVEIRA, Clayton Silva; COZMAN, Fabio Gagliardi. Classificadores baseados em vetores de suporte gerados a partir de dados rotulados e não-rotulados. 2006.Universidade de São Paulo, São Paulo, 2006. Disponível em: < http://www.teses.usp.br/teses/disponiveis/3/3152/tde-22072007-192518/ >.
    • APA

      Oliveira, C. S., & Cozman, F. G. (2006). Classificadores baseados em vetores de suporte gerados a partir de dados rotulados e não-rotulados. Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/3/3152/tde-22072007-192518/
    • NLM

      Oliveira CS, Cozman FG. Classificadores baseados em vetores de suporte gerados a partir de dados rotulados e não-rotulados [Internet]. 2006 ;Available from: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-22072007-192518/
    • Vancouver

      Oliveira CS, Cozman FG. Classificadores baseados em vetores de suporte gerados a partir de dados rotulados e não-rotulados [Internet]. 2006 ;Available from: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-22072007-192518/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI: