EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Bruzzone, Lucas Ricardo Duarte
Orientador(a): Camargo, Heloisa de Arruda lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de São Carlos
Câmpus São Carlos
Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação - PPGCC
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Inglês:
Novelty detection algorithm
Streaming data classification
Concept drift detection methods
Outlier detection in data streams
Cluster-based anomaly detection
Área do conhecimento CNPq:
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO
Link de acesso: https://repositorio.ufscar.br/handle/20.500.14289/18959
Resumo: The study addresses novelty detection in data streams, emphasizing the significance of this task in high-volume and high-velocity information environments. It proposes substantial improvements to the EFuzzCND algorithm, leading to the development of EIFuzzCND. These enhancements encompass an incremental approach, a reduction in dependence on true labels, and the implementation of the Incremental Confusion Matrix. Experiments validate the efficacy of EIFuzzCND across diverse scenarios, and result analysis underscores its capability to handle specific challenges, such as sudden concept shifts. The work contributes to advancing novelty detection in data streams by providing an innovative and practical approach, concluding with recommendations for future research.
id SCAR_a38466321c9e478fe135f5eff11510b0
oai_identifier_str oai:repositorio.ufscar.br:20.500.14289/18959
network_acronym_str SCAR
network_name_str Repositório Institucional da UFSCAR
repository_id_str
spelling Bruzzone, Lucas Ricardo DuarteCamargo, Heloisa de Arrudahttp://lattes.cnpq.br/0487231065057783http://lattes.cnpq.br/95619389380914962023-11-29T13:10:37Z2023-11-29T13:10:37Z2023-10-06BRUZZONE, Lucas Ricardo Duarte. EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados. 2023. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/18959.https://repositorio.ufscar.br/handle/20.500.14289/18959The study addresses novelty detection in data streams, emphasizing the significance of this task in high-volume and high-velocity information environments. It proposes substantial improvements to the EFuzzCND algorithm, leading to the development of EIFuzzCND. These enhancements encompass an incremental approach, a reduction in dependence on true labels, and the implementation of the Incremental Confusion Matrix. Experiments validate the efficacy of EIFuzzCND across diverse scenarios, and result analysis underscores its capability to handle specific challenges, such as sudden concept shifts. The work contributes to advancing novelty detection in data streams by providing an innovative and practical approach, concluding with recommendations for future research.O trabalho aborda a detecção de novidades em fluxos de dados, destacando a importância dessa tarefa em ambientes de grande volume e alta velocidade de informações. Ele propõe melhorias significativas no algoritmo EFuzzCND, resultando no desenvolvimento do EIFuzzCND. As melhorias incluem uma abordagem incremental, redução da dependência de rótulos verdadeiros e a implementação da Matriz de Confusão Incremental. Os experimentos validam a eficácia do EIFuzzCND em diferentes cenários, e a análise dos resultados destaca sua capacidade de lidar com desafios específicos, como mudanças súbitas de conceito. O trabalho contribui para o avanço na detecção de novidades em fluxos de dados, oferecendo uma abordagem inovadora e prática, concluindo com sugestões para pesquisas futuras.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)porUniversidade Federal de São CarlosCâmpus São CarlosPrograma de Pós-Graduação em Ciência da Computação - PPGCCUFSCarAttribution 3.0 Brazilhttp://creativecommons.org/licenses/by/3.0/br/info:eu-repo/semantics/openAccessNovelty detection algorithmStreaming data classificationConcept drift detection methodsOutlier detection in data streamsCluster-based anomaly detectionCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOEIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dadosEIFuzzCND: an incremental strategy for multiclass classification and novelty detection in data streamsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINALDissertação_Mestrado (1).pdfDissertação_Mestrado (1).pdfDissertação Mestradoapplication/pdf2531307https://repositorio.ufscar.br/bitstreams/d41fba8c-288f-4558-bd15-82cdc3aeac90/download4ba46929e52958935100821992f71d82MD51trueAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8913https://repositorio.ufscar.br/bitstreams/1d1ba2cf-9941-4832-a2e3-8395d2384d56/download3185b4de2190c2d366d1d324db01f8b8MD52falseAnonymousREADTEXTDissertação_Mestrado (1).pdf.txtDissertação_Mestrado (1).pdf.txtExtracted texttext/plain208831https://repositorio.ufscar.br/bitstreams/ec76d276-d000-4132-8ee2-299296348793/download009a91b22a329d57aa8325cbafd41e3fMD53falseAnonymousREADTHUMBNAILDissertação_Mestrado (1).pdf.jpgDissertação_Mestrado (1).pdf.jpgIM Thumbnailimage/jpeg6549https://repositorio.ufscar.br/bitstreams/7ffaa9c4-e6a9-4fc9-97f8-52e9a5a511f2/downloadd08ab2d83473ba5cc43979a641a89518MD54falseAnonymousREAD20.500.14289/189592025-02-06 00:49:29.027http://creativecommons.org/licenses/by/3.0/br/Attribution 3.0 Brazilopen.accessoai:repositorio.ufscar.br:20.500.14289/18959https://repositorio.ufscar.brRepositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestrepositorio.sibi@ufscar.bropendoar:43222025-02-06T03:49:29Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false
dc.title.por.fl_str_mv EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados
dc.title.alternative.por.fl_str_mv EIFuzzCND: an incremental strategy for multiclass classification and novelty detection in data streams
title EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados
spellingShingle EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados
Bruzzone, Lucas Ricardo Duarte
Novelty detection algorithm
Streaming data classification
Concept drift detection methods
Outlier detection in data streams
Cluster-based anomaly detection
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO
title_short EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados
title_full EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados
title_fullStr EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados
title_full_unstemmed EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados
title_sort EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados
author Bruzzone, Lucas Ricardo Duarte
author_facet Bruzzone, Lucas Ricardo Duarte
author_role author
dc.contributor.authorlattes.por.fl_str_mv http://lattes.cnpq.br/9561938938091496
dc.contributor.author.fl_str_mv Bruzzone, Lucas Ricardo Duarte
dc.contributor.advisor1.fl_str_mv Camargo, Heloisa de Arruda
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/0487231065057783
contributor_str_mv Camargo, Heloisa de Arruda
dc.subject.eng.fl_str_mv Novelty detection algorithm
Streaming data classification
Concept drift detection methods
Outlier detection in data streams
Cluster-based anomaly detection
topic Novelty detection algorithm
Streaming data classification
Concept drift detection methods
Outlier detection in data streams
Cluster-based anomaly detection
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO
description The study addresses novelty detection in data streams, emphasizing the significance of this task in high-volume and high-velocity information environments. It proposes substantial improvements to the EFuzzCND algorithm, leading to the development of EIFuzzCND. These enhancements encompass an incremental approach, a reduction in dependence on true labels, and the implementation of the Incremental Confusion Matrix. Experiments validate the efficacy of EIFuzzCND across diverse scenarios, and result analysis underscores its capability to handle specific challenges, such as sudden concept shifts. The work contributes to advancing novelty detection in data streams by providing an innovative and practical approach, concluding with recommendations for future research.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-11-29T13:10:37Z
dc.date.available.fl_str_mv 2023-11-29T13:10:37Z
dc.date.issued.fl_str_mv 2023-10-06
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv BRUZZONE, Lucas Ricardo Duarte. EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados. 2023. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/18959.
dc.identifier.uri.fl_str_mv https://repositorio.ufscar.br/handle/20.500.14289/18959
identifier_str_mv BRUZZONE, Lucas Ricardo Duarte. EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados. 2023. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/18959.
url https://repositorio.ufscar.br/handle/20.500.14289/18959
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution 3.0 Brazil
http://creativecommons.org/licenses/by/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution 3.0 Brazil
http://creativecommons.org/licenses/by/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Ciência da Computação - PPGCC
dc.publisher.initials.fl_str_mv UFSCar
publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSCAR
instname:Universidade Federal de São Carlos (UFSCAR)
instacron:UFSCAR
instname_str Universidade Federal de São Carlos (UFSCAR)
instacron_str UFSCAR
institution UFSCAR
reponame_str Repositório Institucional da UFSCAR
collection Repositório Institucional da UFSCAR
bitstream.url.fl_str_mv https://repositorio.ufscar.br/bitstreams/d41fba8c-288f-4558-bd15-82cdc3aeac90/download
https://repositorio.ufscar.br/bitstreams/1d1ba2cf-9941-4832-a2e3-8395d2384d56/download
https://repositorio.ufscar.br/bitstreams/ec76d276-d000-4132-8ee2-299296348793/download
https://repositorio.ufscar.br/bitstreams/7ffaa9c4-e6a9-4fc9-97f8-52e9a5a511f2/download
bitstream.checksum.fl_str_mv 4ba46929e52958935100821992f71d82
3185b4de2190c2d366d1d324db01f8b8
009a91b22a329d57aa8325cbafd41e3f
d08ab2d83473ba5cc43979a641a89518
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)
repository.mail.fl_str_mv repositorio.sibi@ufscar.br
_version_ 1851688780975570944

Registros relacionados