Técnicas de extração de características para cenários com multimodalidade intraclasse

• Ano de defesa: 2010
• Autor(a) principal: Rodrigues da Silva Júnior, Elias
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Palavras-chave em Português: Técnicas Lineares de Extração de Caracteísticas; Multimodalidade Intraclasse; Técnicas Classwise.
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/2390

Multimodalidade intraclasse é frequente em problemas de classificação e eles conduzem a indesejadas projeções quando aplicados à técnicas lineares de extração de características. As clássicas técnicas lineares de extração de características, que constroem suas soluções baseadas em métricas globais do conjunto de padrões, não podem perceber a multimodalidade dentro da classe, logo, elas criam projeções que não preservam a estrutura multimodal após a redução da dimensionalidade, o que pode ser uma pobre ou indesejada representação da distribuição original dos padrões. Na literatura são encontradas técnicas lineares de extração de características que se preocupam com a manutenção da estrutura multimodal da distribuição dos padrões após a redução da dimensionalidade. Todavia, essas técnicas calculam sua solução tomando a influência de cada classe na percepção da multimodalidade em conjunto, o que pode acarretar em influência negativa de uma classe sobre outra no que diz respeito à preservação da estrutura multimodal do conjunto de padrões após a redução da dimensionalidade. Para melhor tratar problemas com multimodalidade intraclasse, são apresentadas neste trabalho novas técnicas lineares de extração de características, as quais avaliam cada classe separadamente e constróem uma solução específica para cada uma delas. A solução encontrada para cada classe se preocupa com a estrutura local da vizinhança de seus padrões e busca preservar esta estrutura após a redução da dimensionalidade. Deste modo, um padrão novidade (ou de teste) é avaliado não apenas em relação a uma única solução, como acontece com as clássicas técnicas lineares de extração de caracter ísticas, que deve discernir quanto à pertinência desse padrão a uma das várias classes do problema, mas passa a ser avaliado segundo as soluções obtidas para cada classe, e é classificado segundo aquela que melhor se ajustar às características do padrão. Os experimentos realizados aqui mostram que essa abordagem é adequada ao tratamento de multimodalidade intraclasse, obtendo desempenho superior ou igual ao das demais técnicas lineares de extração de características que também tratam multimodalidade