Ver registro no DEDALUS
Exportar registro bibliográfico

Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas (2015)

  • Authors:
  • USP affiliated authors: OLIVEIRA, LUAN SOARES - ICMC
  • USP Schools: ICMC
  • Sigla do Departamento: SCC
  • Subjects: APRENDIZADO COMPUTACIONAL; MINERAÇÃO DE DADOS; ANÁLISE DE SÉRIES TEMPORAIS
  • Keywords: Aprendizado incremental; Concept drift; Data stream; Fluxo de dados; Gaussian mixture model; Incremental learning; Modelo de misturas gaussianas; Mudança de Conceito
  • Language: Português
  • Abstract: Aprender conceitos provenientes de fluxos de dados é uma tarefa significamente diferente do aprendizado tradicional em lote. No aprendizado em lote, existe uma premissa implicita que os conceitos a serem aprendidos são estáticos e não evoluem significamente com o tempo. Por outro lado, em fluxos de dados os conceitos a serem aprendidos podem evoluir ao longo do tempo. Esta evolução é chamada de mudança de conceito, e torna a criação de um conjunto fixo de treinamento inaplicável neste cenário. O aprendizado incremental é uma abordagem promissora para trabalhar com fluxos de dados. Contudo, na presença de mudanças de conceito, conceitos desatualizados podem causar erros na classificação de eventos. Apesar de alguns métodos incrementais baseados no modelo de misturas gaussianas terem sido propostos na literatura, nota-se que tais algoritmos não possuem uma política explicita de descarte de conceitos obsoletos. Nesse trabalho um novo algoritmo incremental para fluxos de dados com mudanças de conceito baseado no modelo de misturas gaussianas é proposto. O método proposto é comparado com vários algoritmos amplamente utilizados na literatura, e os resultados mostram que o algoritmo proposto é competitivo com os demais em vá¡rios cená¡rios, superando-os em alguns casos
  • Imprenta:
  • Data da defesa: 18.08.2015
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    ICMC30300050984T O48cf e.1
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      OLIVEIRA, Luan Soares; BATISTA, Gustavo Enrique de Almeida Prado Alves. Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas. 2015.Universidade de São Paulo, São Carlos, 2015. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06042016-143503/ >.
    • APA

      Oliveira, L. S., & Batista, G. E. de A. P. A. (2015). Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06042016-143503/
    • NLM

      Oliveira LS, Batista GE de APA. Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas [Internet]. 2015 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06042016-143503/
    • Vancouver

      Oliveira LS, Batista GE de APA. Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas [Internet]. 2015 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06042016-143503/

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