Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Bello, Tiago Lino
Orientador(a): Matioli, Luiz Carlos, 1961-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Otimização matemática
Algorítmos
Aprendizado do computador
Vetores
Análise Numérica
Link de acesso: https://hdl.handle.net/1884/86171
Resumo: Orientador: Dr. Luiz Carlos Matioli
id UFPR_ee318ff249fd210f9c6242372a60b95f
oai_identifier_str oai:acervodigital.ufpr.br:1884/86171
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Pedroso, Lucas Garcia, 1981-Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaMatioli, Luiz Carlos, 1961-Bello, Tiago Lino2024-01-22T16:18:10Z2024-01-22T16:18:10Z2023https://hdl.handle.net/1884/86171Orientador: Dr. Luiz Carlos MatioliCoorientador: Dr. Lucas Garcia PedrosoTese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 25/08/2023Inclui referênciasÁrea de concentração: Programação MatemáticaResumo: Neste trabalho, pesquisou-se e implementou-se m'etodos de Otimiza?c˜ao para treinamento em M'aquina de Vetores de Suporte. O foco principal consiste em analisar o desempenho de cada um deles e se algum se sai melhor que os demais em termos de tempo computacional e m'etricas de classifica?c˜ao. Tais m'etodos de Otimiza?c˜ao foram propostos para problemas gen'ericos de Otimiza?c˜ao n˜ao Linear restritos, e aqui objetivou-se adapt'a-los ao problema de treinamento de M'aquina de Vetores Suporte. Dessa forma, foram implementados m'etodos das classes de proje?c˜ao, Pontos Interiores, Restri?c˜oes Ativas, Lagrangiano Aumentados e Filtro. Esses algoritmos foram implementados em MATLAB®, e experimentos num'ericos foram conduzidos a partir da aplica?c˜ao de conjuntos de dados gerados aleatoriamente e de reposit'orios de Aprendizado de M'aquina. Dos experimentos realizados, analisando sob a 'otica de qualidade de solu?c˜oes encontradas, an'alise de sobrevivˆencia, perfil de desempenho de treinamento, bem como observando m'etricas de tempo de treinamento, acur'acia, F1 Score e coeficiente de correla?c˜ao de Matthews, os resultados indicam que at'e mesmo uma implementa?c˜ao ingˆenua do algoritmo de Restri?c˜oes Ativas baseado em Otimiza?c˜ao Sequencial M'?nima foi mais eficiente na maioria dos crit'erios quando comparado aos demais algoritmos implementados.Abstract: In this work, Optimization methods were researched and implemented for training Support Vector Machine. The main focus is to analyze the performance of each method and determine if any outperforms the others in terms of computational time and classification metrics. These Optimization methods were originally proposed for generic problems of constrained non-linear Optimization, and the objective here was to adapt them to the problem of Support Vector Machine training. Thus, methods from the classes of projection, Interior Points, Active Sets, Augmented Lagrangian, and Filter method were implemented. These algorithms were implemented in MATLAB®, and numerical experiments were conducted using randomly generated datasets and Machine Learning repositories. From the performed experiments, analyzing from the perspective of quality of solutions found, survival analysis, training performance profile, as well as observing training time, accuracy, F1 Score, and Matthews correlation coefficient, the results indicate that even a na¨?ve implementation of the Active Set algorithm based on Sequential Minimal Optimization was more efficient in most criteria compared to the other implemented algorithms.1 recurso online : PDF.application/pdfOtimização matemáticaAlgorítmosAprendizado do computadorVetoresAnálise NuméricaPerformance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporteinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - TIAGO LINO BELLO.pdfapplication/pdf2060701https://acervodigital.ufpr.br/bitstream/1884/86171/1/R%20-%20T%20-%20TIAGO%20LINO%20BELLO.pdf04b3710997695d4192bb6e723c7aa945MD51open access1884/861712024-01-22 13:18:10.63open accessoai:acervodigital.ufpr.br:1884/86171Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082024-01-22T16:18:10Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte
title Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte
spellingShingle Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte
Bello, Tiago Lino
Otimização matemática
Algorítmos
Aprendizado do computador
Vetores
Análise Numérica
title_short Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte
title_full Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte
title_fullStr Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte
title_full_unstemmed Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte
title_sort Performance de métodos de otimização aplicados ao problema de treinamento de máquinas de vetores suporte
author Bello, Tiago Lino
author_facet Bello, Tiago Lino
author_role author
dc.contributor.other.pt_BR.fl_str_mv Pedroso, Lucas Garcia, 1981-
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Matioli, Luiz Carlos, 1961-
dc.contributor.author.fl_str_mv Bello, Tiago Lino
contributor_str_mv Matioli, Luiz Carlos, 1961-
dc.subject.por.fl_str_mv Otimização matemática
Algorítmos
Aprendizado do computador
Vetores
Análise Numérica
topic Otimização matemática
Algorítmos
Aprendizado do computador
Vetores
Análise Numérica
description Orientador: Dr. Luiz Carlos Matioli
publishDate 2023
dc.date.issued.fl_str_mv 2023
dc.date.accessioned.fl_str_mv 2024-01-22T16:18:10Z
dc.date.available.fl_str_mv 2024-01-22T16:18:10Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/86171
url https://hdl.handle.net/1884/86171
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 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/86171/1/R%20-%20T%20-%20TIAGO%20LINO%20BELLO.pdf
bitstream.checksum.fl_str_mv 04b3710997695d4192bb6e723c7aa945
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526324310114304

Registros relacionados