Técnicas de redução de instâncias: ATISA e SSMA2

Detalhes bibliográficos
Ano de defesa: 2010
Autor(a) principal: Lima Pereira, Cesar
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizagem baseada em instâncias
Regra do vizinho mais próximo
Redução de instâncias
Seleção de protótipos
Link de acesso: https://repositorio.ufpe.br/handle/123456789/2229
Resumo: Algoritmos de aprendizagem baseados em instâncias geralmente fazem uso de grandes conjuntos de treinamento. Esses algoritmos podem necessitar de razoável espaço de armazenamento para manter esses conjuntos, ou mesmo sofrer com elevado custo computacional para a realização da aprendizagem, ou durante generalizações. Um processo de seleção de instâncias específicas para uso na aprendizagem pode influenciar fortemente o desempenho dos algoritmos baseados em instâncias. Eles podem ser melhorados em quesitos como: requisitos de armazenamento, tempo de execução e também em poder de classificação. Uma variedade de técnicas da literatura atuam com a finalidade da redução de instâncias em um conjunto de treinamento. Duas novas técnicas serão introduzidas nesta dissertação. A primeira delas, ATISA (Adaptive Threshold-based Instance Selection Algorithm), mantém instâncias com base em um critério que usa a distância de cada instância ao seu inimigo mais próximo como um limiar. Essa característica prioriza instâncias próximas às fronteiras de decisão, que são mais determinantes no processo de classificação. O ATISA é apresentado em três diferentes algoritmos, cada um com abordagens distintas. A segunda técnica proposta é uma adaptação do SSMA (Steady- State Memetic Algorithm), já utilizado para a seleção de instâncias, para a síntese de protótipos. Aqui chamado de SSMA2, ele é um algoritmo evolucionário que cria protótipos que representam instâncias e que podem não estar contidos no conjunto original de treinamento. Durante o processo de evolução, ele realiza um passo de busca local para refinar soluções, vem daí a denominação memético. Ambos, ATISA e SSMA2, apresentaram-se como alternativas dentre as técnicas de redução de instâncias existentes, de acordo com os experimentos realizados
id UFPE_1a90d8be8cc88ed915a4b857ac711239
oai_identifier_str oai:repositorio.ufpe.br:123456789/2229
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Técnicas de redução de instâncias: ATISA e SSMA2Aprendizagem baseada em instânciasRegra do vizinho mais próximoRedução de instânciasSeleção de protótiposAlgoritmos de aprendizagem baseados em instâncias geralmente fazem uso de grandes conjuntos de treinamento. Esses algoritmos podem necessitar de razoável espaço de armazenamento para manter esses conjuntos, ou mesmo sofrer com elevado custo computacional para a realização da aprendizagem, ou durante generalizações. Um processo de seleção de instâncias específicas para uso na aprendizagem pode influenciar fortemente o desempenho dos algoritmos baseados em instâncias. Eles podem ser melhorados em quesitos como: requisitos de armazenamento, tempo de execução e também em poder de classificação. Uma variedade de técnicas da literatura atuam com a finalidade da redução de instâncias em um conjunto de treinamento. Duas novas técnicas serão introduzidas nesta dissertação. A primeira delas, ATISA (Adaptive Threshold-based Instance Selection Algorithm), mantém instâncias com base em um critério que usa a distância de cada instância ao seu inimigo mais próximo como um limiar. Essa característica prioriza instâncias próximas às fronteiras de decisão, que são mais determinantes no processo de classificação. O ATISA é apresentado em três diferentes algoritmos, cada um com abordagens distintas. A segunda técnica proposta é uma adaptação do SSMA (Steady- State Memetic Algorithm), já utilizado para a seleção de instâncias, para a síntese de protótipos. Aqui chamado de SSMA2, ele é um algoritmo evolucionário que cria protótipos que representam instâncias e que podem não estar contidos no conjunto original de treinamento. Durante o processo de evolução, ele realiza um passo de busca local para refinar soluções, vem daí a denominação memético. Ambos, ATISA e SSMA2, apresentaram-se como alternativas dentre as técnicas de redução de instâncias existentes, de acordo com os experimentos realizadosFundação de Amparo à Ciência e Tecnologia do Estado de PernambucoUniversidade Federal de PernambucoDarmiton da Cunha Cavalcanti, George Lima Pereira, Cesar2014-06-12T15:55:36Z2014-06-12T15:55:36Z2010-01-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfLima Pereira, Cesar; Darmiton da Cunha Cavalcanti, George. Técnicas de redução de instâncias: ATISA e SSMA2. 2010. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2010.https://repositorio.ufpe.br/handle/123456789/2229porAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2019-10-25T15:38:37Zoai:repositorio.ufpe.br:123456789/2229Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T15:38:37Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.none.fl_str_mv Técnicas de redução de instâncias: ATISA e SSMA2
title Técnicas de redução de instâncias: ATISA e SSMA2
spellingShingle Técnicas de redução de instâncias: ATISA e SSMA2
Lima Pereira, Cesar
Aprendizagem baseada em instâncias
Regra do vizinho mais próximo
Redução de instâncias
Seleção de protótipos
title_short Técnicas de redução de instâncias: ATISA e SSMA2
title_full Técnicas de redução de instâncias: ATISA e SSMA2
title_fullStr Técnicas de redução de instâncias: ATISA e SSMA2
title_full_unstemmed Técnicas de redução de instâncias: ATISA e SSMA2
title_sort Técnicas de redução de instâncias: ATISA e SSMA2
author Lima Pereira, Cesar
author_facet Lima Pereira, Cesar
author_role author
dc.contributor.none.fl_str_mv Darmiton da Cunha Cavalcanti, George
dc.contributor.author.fl_str_mv Lima Pereira, Cesar
dc.subject.por.fl_str_mv Aprendizagem baseada em instâncias
Regra do vizinho mais próximo
Redução de instâncias
Seleção de protótipos
topic Aprendizagem baseada em instâncias
Regra do vizinho mais próximo
Redução de instâncias
Seleção de protótipos
description Algoritmos de aprendizagem baseados em instâncias geralmente fazem uso de grandes conjuntos de treinamento. Esses algoritmos podem necessitar de razoável espaço de armazenamento para manter esses conjuntos, ou mesmo sofrer com elevado custo computacional para a realização da aprendizagem, ou durante generalizações. Um processo de seleção de instâncias específicas para uso na aprendizagem pode influenciar fortemente o desempenho dos algoritmos baseados em instâncias. Eles podem ser melhorados em quesitos como: requisitos de armazenamento, tempo de execução e também em poder de classificação. Uma variedade de técnicas da literatura atuam com a finalidade da redução de instâncias em um conjunto de treinamento. Duas novas técnicas serão introduzidas nesta dissertação. A primeira delas, ATISA (Adaptive Threshold-based Instance Selection Algorithm), mantém instâncias com base em um critério que usa a distância de cada instância ao seu inimigo mais próximo como um limiar. Essa característica prioriza instâncias próximas às fronteiras de decisão, que são mais determinantes no processo de classificação. O ATISA é apresentado em três diferentes algoritmos, cada um com abordagens distintas. A segunda técnica proposta é uma adaptação do SSMA (Steady- State Memetic Algorithm), já utilizado para a seleção de instâncias, para a síntese de protótipos. Aqui chamado de SSMA2, ele é um algoritmo evolucionário que cria protótipos que representam instâncias e que podem não estar contidos no conjunto original de treinamento. Durante o processo de evolução, ele realiza um passo de busca local para refinar soluções, vem daí a denominação memético. Ambos, ATISA e SSMA2, apresentaram-se como alternativas dentre as técnicas de redução de instâncias existentes, de acordo com os experimentos realizados
publishDate 2010
dc.date.none.fl_str_mv 2010-01-31
2014-06-12T15:55:36Z
2014-06-12T15:55:36Z
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 Lima Pereira, Cesar; Darmiton da Cunha Cavalcanti, George. Técnicas de redução de instâncias: ATISA e SSMA2. 2010. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2010.
https://repositorio.ufpe.br/handle/123456789/2229
identifier_str_mv Lima Pereira, Cesar; Darmiton da Cunha Cavalcanti, George. Técnicas de redução de instâncias: ATISA e SSMA2. 2010. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2010.
url https://repositorio.ufpe.br/handle/123456789/2229
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1856041842873729024

Registros relacionados