Ver registro no DEDALUS
Exportar registro bibliográfico

Técnica de aprendizado semissupervisionado para detecção de outliers (2014)

  • Authors:
  • USP affiliated authors: ZAMONER, FABIO WILLIAN - ICMC
  • USP Schools: ICMC
  • Subjects: APRENDIZADO COMPUTACIONAL; BIOINFORMÁTICA; REDES NEURAIS; REDES COMPLEXAS; RECONHECIMENTO DE PADRÕES
  • Keywords: Aprendizado semisupervisionado; Competição e cooperação de partículas; Detecção de outliers; Outlier detection; Particle competition and cooperation; Semi-supervised learning
  • Language: Português
  • Abstract: Detecção de outliers desempenha um importante papel para descoberta de conhecimento em grandes bases de dados. O estudo é motivado por inúmeras aplicações reais como fraudes de cartões de crédito, detecção de falhas em componentes industriais, intrusão em redes de computadores, aprovação de empréstimos e monitoramento de condições médicas. Um outlier é definido como uma observação que desvia das outras observações em relação a uma medida e exerce considerável influência na análise de dados. Embora existam inúmeras técnicas de aprendizado de máquina para tratar desse problemas, a maioria delas não faz uso de conhecimento prévio sobre os dados. Técnicas de aprendizado semissupervisionado para detecção de outliers são relativamente novas e incluem apenas um pequeno número de rótulos da classe normal para construir um classificador. Recentemente um modelo semissupervisionado baseado em rede foi proposto para classificação de dados empregando um mecanismo de competição e cooperação de partículas. As partículas são responsáveis pela propagação dos rótulos para toda a rede. Neste trabalho, o modelo foi adaptado a fim de detectar outliers através da definição de um escore de outlier baseado na frequência de visitas. O número de visitas recebido por um outlier é significativamente diferente dos demais objetos de mesma classe. Essa abordagem leva a uma maneira não tradicional de tratar os outliers. Avaliações empíricas sobre bases artificiais e reais demonstram que a técnicaproposta funciona bem para bases desbalanceadas e atinge precisão comparável às obtidas pelas técnicas tradicionais de detecção de outliers. Além disso, a técnica pode fornecer novas perspectivas sobre como diferenciar objetos, pois considera não somente a distância física, mas também a formação de padrão dos dados
  • Imprenta:
  • Data da defesa: 23.01.2014
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    ICMC30300049041T Z25ta e.1
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      ZAMONER, Fabio Willian; LIANG, Zhao. Técnica de aprendizado semissupervisionado para detecção de outliers. 2014.Universidade de São Paulo, São Carlos, 2014. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-07042014-100038/ >.
    • APA

      Zamoner, F. W., & Liang, Z. (2014). Técnica de aprendizado semissupervisionado para detecção de outliers. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-07042014-100038/
    • NLM

      Zamoner FW, Liang Z. Técnica de aprendizado semissupervisionado para detecção de outliers [Internet]. 2014 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-07042014-100038/
    • Vancouver

      Zamoner FW, Liang Z. Técnica de aprendizado semissupervisionado para detecção de outliers [Internet]. 2014 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-07042014-100038/

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