Tese

Combinação de classificadores simbólicos utilizando medidas de regras de conhecimento e algoritmos genéticos (2006)

• Authors:
  • Bernardini, Flávia Cristina
  • Monard, Maria Carolina (Orientador)
• Autor USP: BERNARDINI, FLÁVIA CRISTINA - ICMC
• Unidade: ICMC
• Sigla do Departamento: SCC
• Assunto: APRENDIZADO COMPUTACIONAL
• Language: Português
• Abstract: A qualidade das hipóteses induzidas pelos atuais sistemas de aprendizado de máquina supervisionado depende da quantidade dos exemplos no conjunto de treinamento. Por outro lado, muitos dos sistemas de aprendizado de máquina conhecidos não estão preparados para trabalhar com uma grande quantidade de exemplos. Grandes conjuntos de dados são típicos em mineração de dados. Uma maneira para resolver este problema consiste em construir ensembles de classificadores. Um ensemble é um conjunto de classificadores cujas decisões são combinadas de alguma maneira para classificar um novo caso. Apesar de melhorar o poder de predição dos algoritmos de aprendizado, ensembles podem ser compostos por muitos classificadores, o que pode ser indesejável. Ainda, apesar de ensembles classificarem novos exemplos melhor que cada classificador individual, eles se comportam como caixas pretas, no sentido de não oferecer ao usuário alguma explicação relacionada à classificação por eles fornecida. Assim, neste trabalho propomos uma abordagem que utiliza algoritmos de aprendizado simbólico para construir ensembles de classificadores simbólicos que explicam suas decisões de classificação e são tão ou mais precisos que o mais preciso dos seus classificadores individuais. Além disso, considerando que algoritmos de aprendizado simbólico utilizam métodos de busca local para induzir classificadores quanto que algoritmos genéticos utilizam métodos de busca global, propomos uma segundaabordagem para aprender conceitos simbólicos de grandes bases de dados utilizando algoritmos genéticos para evoluir classificadores simbólicos em um unico classificador simbólico, de maneira que o classificador evoluído é mais preciso que os classificadores iniciais. Ambas propostas foram implementadas em dois sistemas computacionais. Diversos experimentos usando diferentes conjuntos de dados foram conduzidos para avaliar ambas as propostas. ) Ainda que os resultados experimentais das duas soluções propostas são promissores, os melhores resultados foram obtidos utilizando a abordagem relacionada a algoritmos genéticos
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2006
• Data da defesa: 29.08.2006

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  BERNARDINI, Flávia Cristina. Combinação de classificadores simbólicos utilizando medidas de regras de conhecimento e algoritmos genéticos. 2006. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2006. . Acesso em: 06 maio 2024.

• APA

  Bernardini, F. C. (2006). Combinação de classificadores simbólicos utilizando medidas de regras de conhecimento e algoritmos genéticos (Tese (Doutorado). Universidade de São Paulo, São Carlos.

• NLM

  Bernardini FC. Combinação de classificadores simbólicos utilizando medidas de regras de conhecimento e algoritmos genéticos. 2006 ;[citado 2024 maio 06 ]

• Vancouver

  Bernardini FC. Combinação de classificadores simbólicos utilizando medidas de regras de conhecimento e algoritmos genéticos. 2006 ;[citado 2024 maio 06 ]

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

• Combinação de classificadores simbólicos para melhorar o poder preditivo e descritivo de Ensembles