Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários
| Ano de defesa: | 2018 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências::Faculdade de Engenharia BR UERJ Programa de Pós-Graduação em Engenharia Eletrônica |
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://www.bdtd.uerj.br/handle/1/11758 |
Resumo: | A extração de dados em ambientes não estacionários requer técnicas diferentes das tradicionalmente utilizadas no aprendizado supervisionado. Aplicações como medição de temperatura por sensores, detecção de spam, previsão climática e preferência de compras de um consumidor são alguns dos exemplos de situações para as quais não é possível se supor que a distribuição dos dados não mudará no decorrer do tempo. Ambientes onde este cenário ocorre é caracterizado por mudanças denominadas concept drift. Neste trabalho é proposto um método baseado em um comitê de classificadores de árvores de padrões fuzzy, induzidos pela programação genética cartesiana, o qual deve ser capaz de se auto adaptar e manter o desempenho acurado, além de fornecer conhecimento de forma a auxiliar na tarefa de análise e interpretação dos dados. Para a execução dos experimentos foram analisadas bases de dados reais e artificiais com drifts distintos, alta dimensionalidade e diferentes balanceamentos entre as classes. Os resultados mostraram que o método é robusto e competitivo em comparação com outros da literatura. |
| id |
UERJ_f5ea95d2432b9e71e43147cbec23ccbf |
|---|---|
| oai_identifier_str |
oai:www.bdtd.uerj.br:1/11758 |
| network_acronym_str |
UERJ |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
| repository_id_str |
|
| spelling |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionáriosSynthesis of fuzzy pattern trees ensemble through cartesian genetic programming in non-stationary environmentsElectronic EngineeringFuzzy systemsStructured programmingData flow (Computers)Concept DriftFuzzy Pattern TreesCartesian Genetic ProgrammingNon-StationaryInterpretabilityClassificationEngenharia eletrônicaSistemas difusosProgramação estruturadaFluxo de dados (Computadores)Concept DriftÁrvores de Padrões FuzzyProgramação Genética CartesianaNão EstacionárioInterpretabilidadeClassificaçãoCNPQ::ENGENHARIASA extração de dados em ambientes não estacionários requer técnicas diferentes das tradicionalmente utilizadas no aprendizado supervisionado. Aplicações como medição de temperatura por sensores, detecção de spam, previsão climática e preferência de compras de um consumidor são alguns dos exemplos de situações para as quais não é possível se supor que a distribuição dos dados não mudará no decorrer do tempo. Ambientes onde este cenário ocorre é caracterizado por mudanças denominadas concept drift. Neste trabalho é proposto um método baseado em um comitê de classificadores de árvores de padrões fuzzy, induzidos pela programação genética cartesiana, o qual deve ser capaz de se auto adaptar e manter o desempenho acurado, além de fornecer conhecimento de forma a auxiliar na tarefa de análise e interpretação dos dados. Para a execução dos experimentos foram analisadas bases de dados reais e artificiais com drifts distintos, alta dimensionalidade e diferentes balanceamentos entre as classes. Os resultados mostraram que o método é robusto e competitivo em comparação com outros da literatura.Extraction of data in non-stationary environments requires techniques different from traditional approaches used in supervised learning. Applications such as temperature measurement by sensors, spam detection, climate forecast and customer buying preference are some examples of situations in which information on the data distribution may vary over time. In environments where this scenario occurs is called concept drift and it is a challenge for the classifier to learn from the data. In this work is presented a method based on an ensemble of Fuzzy Patterns Trees induced by Cartesian Genetic Program. This model must be able to self-adapt and maintain accurate performance as well as providing knowledge to help in analysis and interpretability of the data. For the execution of experiments, artificial and real database with different drifts, high dimensionality and different balance between classes were used. The results show that the method is robust and competitive with others in the literature.Universidade do Estado do Rio de JaneiroCentro de Tecnologia e Ciências::Faculdade de EngenhariaBRUERJPrograma de Pós-Graduação em Engenharia EletrônicaAmaral, Jorge Luís Machado dohttp://lattes.cnpq.br/1000528740958810Dias, Douglas Motahttp://lattes.cnpq.br/3426085961007140Almeida, Luciana Falettihttp://lattes.cnpq.br/4464030742969145Mello Junior, Harold Dias dehttp://lattes.cnpq.br/3003315337750206Jorge, Patrícia Macedo da Costa2021-01-06T19:17:22Z2019-05-082018-12-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfJORGE, Patrícia Macedo da Costa. Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários. 2018. 92 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018.http://www.bdtd.uerj.br/handle/1/11758porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJ2024-02-27T18:16:45Zoai:www.bdtd.uerj.br:1/11758Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-27T18:16:45Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false |
| dc.title.none.fl_str_mv |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários Synthesis of fuzzy pattern trees ensemble through cartesian genetic programming in non-stationary environments |
| title |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários |
| spellingShingle |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários Jorge, Patrícia Macedo da Costa Electronic Engineering Fuzzy systems Structured programming Data flow (Computers) Concept Drift Fuzzy Pattern Trees Cartesian Genetic Programming Non-Stationary Interpretability Classification Engenharia eletrônica Sistemas difusos Programação estruturada Fluxo de dados (Computadores) Concept Drift Árvores de Padrões Fuzzy Programação Genética Cartesiana Não Estacionário Interpretabilidade Classificação CNPQ::ENGENHARIAS |
| title_short |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários |
| title_full |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários |
| title_fullStr |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários |
| title_full_unstemmed |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários |
| title_sort |
Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários |
| author |
Jorge, Patrícia Macedo da Costa |
| author_facet |
Jorge, Patrícia Macedo da Costa |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Amaral, Jorge Luís Machado do http://lattes.cnpq.br/1000528740958810 Dias, Douglas Mota http://lattes.cnpq.br/3426085961007140 Almeida, Luciana Faletti http://lattes.cnpq.br/4464030742969145 Mello Junior, Harold Dias de http://lattes.cnpq.br/3003315337750206 |
| dc.contributor.author.fl_str_mv |
Jorge, Patrícia Macedo da Costa |
| dc.subject.por.fl_str_mv |
Electronic Engineering Fuzzy systems Structured programming Data flow (Computers) Concept Drift Fuzzy Pattern Trees Cartesian Genetic Programming Non-Stationary Interpretability Classification Engenharia eletrônica Sistemas difusos Programação estruturada Fluxo de dados (Computadores) Concept Drift Árvores de Padrões Fuzzy Programação Genética Cartesiana Não Estacionário Interpretabilidade Classificação CNPQ::ENGENHARIAS |
| topic |
Electronic Engineering Fuzzy systems Structured programming Data flow (Computers) Concept Drift Fuzzy Pattern Trees Cartesian Genetic Programming Non-Stationary Interpretability Classification Engenharia eletrônica Sistemas difusos Programação estruturada Fluxo de dados (Computadores) Concept Drift Árvores de Padrões Fuzzy Programação Genética Cartesiana Não Estacionário Interpretabilidade Classificação CNPQ::ENGENHARIAS |
| description |
A extração de dados em ambientes não estacionários requer técnicas diferentes das tradicionalmente utilizadas no aprendizado supervisionado. Aplicações como medição de temperatura por sensores, detecção de spam, previsão climática e preferência de compras de um consumidor são alguns dos exemplos de situações para as quais não é possível se supor que a distribuição dos dados não mudará no decorrer do tempo. Ambientes onde este cenário ocorre é caracterizado por mudanças denominadas concept drift. Neste trabalho é proposto um método baseado em um comitê de classificadores de árvores de padrões fuzzy, induzidos pela programação genética cartesiana, o qual deve ser capaz de se auto adaptar e manter o desempenho acurado, além de fornecer conhecimento de forma a auxiliar na tarefa de análise e interpretação dos dados. Para a execução dos experimentos foram analisadas bases de dados reais e artificiais com drifts distintos, alta dimensionalidade e diferentes balanceamentos entre as classes. Os resultados mostraram que o método é robusto e competitivo em comparação com outros da literatura. |
| publishDate |
2018 |
| dc.date.none.fl_str_mv |
2018-12-13 2019-05-08 2021-01-06T19:17:22Z |
| 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.uri.fl_str_mv |
JORGE, Patrícia Macedo da Costa. Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários. 2018. 92 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018. http://www.bdtd.uerj.br/handle/1/11758 |
| identifier_str_mv |
JORGE, Patrícia Macedo da Costa. Síntese de comitê de árvores de padrões fuzzy através da programação genética cartesiana em ambientes não estacionários. 2018. 92 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018. |
| url |
http://www.bdtd.uerj.br/handle/1/11758 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro Centro de Tecnologia e Ciências::Faculdade de Engenharia BR UERJ Programa de Pós-Graduação em Engenharia Eletrônica |
| publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro Centro de Tecnologia e Ciências::Faculdade de Engenharia BR UERJ Programa de Pós-Graduação em Engenharia Eletrônica |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UERJ instname:Universidade do Estado do Rio de Janeiro (UERJ) instacron:UERJ |
| instname_str |
Universidade do Estado do Rio de Janeiro (UERJ) |
| instacron_str |
UERJ |
| institution |
UERJ |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da UERJ |
| collection |
Biblioteca Digital de Teses e Dissertações da UERJ |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ) |
| repository.mail.fl_str_mv |
bdtd.suporte@uerj.br |
| _version_ |
1829133601530183680 |