Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos
| Ano de defesa: | 2010 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Sistemas e Computação
|
| Departamento: |
Ciência da Computação
|
| País: |
BR
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | https://repositorio.ufrn.br/jspui/handle/123456789/18014 |
Resumo: | Classifier ensembles are systems composed of a set of individual classifiers and a combination module, which is responsible for providing the final output of the system. In the design of these systems, diversity is considered as one of the main aspects to be taken into account since there is no gain in combining identical classification methods. The ideal situation is a set of individual classifiers with uncorrelated errors. In other words, the individual classifiers should be diverse among themselves. One way of increasing diversity is to provide different datasets (patterns and/or attributes) for the individual classifiers. The diversity is increased because the individual classifiers will perform the same task (classification of the same input patterns) but they will be built using different subsets of patterns and/or attributes. The majority of the papers using feature selection for ensembles address the homogenous structures of ensemble, i.e., ensembles composed only of the same type of classifiers. In this investigation, two approaches of genetic algorithms (single and multi-objective) will be used to guide the distribution of the features among the classifiers in the context of homogenous and heterogeneous ensembles. The experiments will be divided into two phases that use a filter approach of feature selection guided by genetic algorithm |
| id |
UFRN_27eae4890b86676a6794cc7dc7cf09ff |
|---|---|
| oai_identifier_str |
oai:repositorio.ufrn.br:123456789/18014 |
| network_acronym_str |
UFRN |
| network_name_str |
Repositório Institucional da UFRN |
| repository_id_str |
|
| spelling |
Silva, Lígia Maria Moura ehttp://lattes.cnpq.br/0595103966290232http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8Prudêncio, Ricardo Bastos Cavalcantehttp://lattes.cnpq.br/2984888073123287Carvalho, Bruno Motta dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6Canuto, Anne Magaly de Paula2014-12-17T15:47:53Z2011-11-172014-12-17T15:47:53Z2010-10-14SILVA, Lígia Maria Moura e. Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos. 2010. 83 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2010.https://repositorio.ufrn.br/jspui/handle/123456789/1801423001011022P9Classifier ensembles are systems composed of a set of individual classifiers and a combination module, which is responsible for providing the final output of the system. In the design of these systems, diversity is considered as one of the main aspects to be taken into account since there is no gain in combining identical classification methods. The ideal situation is a set of individual classifiers with uncorrelated errors. In other words, the individual classifiers should be diverse among themselves. One way of increasing diversity is to provide different datasets (patterns and/or attributes) for the individual classifiers. The diversity is increased because the individual classifiers will perform the same task (classification of the same input patterns) but they will be built using different subsets of patterns and/or attributes. The majority of the papers using feature selection for ensembles address the homogenous structures of ensemble, i.e., ensembles composed only of the same type of classifiers. In this investigation, two approaches of genetic algorithms (single and multi-objective) will be used to guide the distribution of the features among the classifiers in the context of homogenous and heterogeneous ensembles. The experiments will be divided into two phases that use a filter approach of feature selection guided by genetic algorithmComitês de classificadores são sistemas compostos por um conjunto de classificadores individuais e um módulo de combinação, o qual é responsável por fornecer a saída final do sistema. Para que esses sistemas apresentem melhor desempenho que um classificador simples, é necessário que os componentes individuais não cometam erros nos mesmos padrões. Por este motivo, a diversidade tem sido considerada um dos aspectos mais importantes no projeto desses sistemas, já que não há vantagem na combinação de métodos de classificação idênticos. Uma forma de garantir diversidade é através da construção de classificadores individuais a partir de diferentes conjuntos de treinamento (padrões e/ou atributos). Nesse contexto, uma maneira de selecionar subconjuntos de atributos para os classificadores individuais é através da utilização de métodos de seleção de atributos. No entanto, na maioria das pesquisas, os métodos de seleção de atributos são aplicados apenas em comitês de classificadores homogêneos, ou seja, comitês compostos pelo mesmo tipo de classificador. Sendo assim, o objetivo deste trabalho é analisar o comportamento desses métodos na geração de comitês de classificadores diversos, tanto homogêneos como heterogêneos. Para guiar a distribuição dos atributos, entre os classificadores base, serão utilizadas duas abordagens de algoritmo genético (mono-objetivo e multi-objetivo), usando diferentes funções de aptidão. Para tanto, os experimentos serão divididos em duas fases, as quais usam uma abordagem filtro para a seleção de atributosCoordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Sistemas e ComputaçãoUFRNBRCiência da ComputaçãoComitês de classificadoresDiversidadeSeleção de atributosAlgoritmos genéticosEnsemblesDiversityFeature selectionGenetic algorithmsCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOSeleção de atributos em comitês de classificadores utilizando algoritmos genéticosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALLigiaMMS_DISSERT.pdfapplication/pdf1430923https://repositorio.ufrn.br/bitstreams/e971a792-5d5f-4c0d-939a-192564121d6b/download56e9de29de6907d7e9da54247e3af4baMD51trueAnonymousREADTEXTLigiaMMS_DISSERT.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.PDFFilter on 2017-11-04T13:23:19Z (GMT).Extracted texttext/plain192475https://repositorio.ufrn.br/bitstreams/c706aa23-af18-473c-959e-458486433edb/downloada7b87d8756e796eb5ffa562e9d24b9adMD56falseAnonymousREADTHUMBNAILLigiaMMS_DISSERT.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.ImageMagickPdfThumbnailFilter on 2017-11-04T13:23:38Z (GMT).IM Thumbnailimage/jpeg1550https://repositorio.ufrn.br/bitstreams/997cfda5-c2b1-4b4b-a35d-2721585a2bca/download308f0f68dd4763926912da789001d2acMD57falseAnonymousREAD123456789/180142026-08-26T14:54:37.486086Zopen.accessoai:repositorio.ufrn.br:123456789/18014https://repositorio.ufrn.brRepositório InstitucionalPUBhttp://repositorio.ufrn.br/oai/repositorio@bczm.ufrn.bropendoar:2026-08-26T14:54:37Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
| dc.title.por.fl_str_mv |
Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos |
| title |
Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos |
| spellingShingle |
Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos Silva, Lígia Maria Moura e Comitês de classificadores Diversidade Seleção de atributos Algoritmos genéticos Ensembles Diversity Feature selection Genetic algorithms CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
| title_short |
Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos |
| title_full |
Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos |
| title_fullStr |
Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos |
| title_full_unstemmed |
Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos |
| title_sort |
Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos |
| author |
Silva, Lígia Maria Moura e |
| author_facet |
Silva, Lígia Maria Moura e |
| author_role |
author |
| dc.contributor.authorID.por.fl_str_mv |
|
| dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/0595103966290232 |
| dc.contributor.advisorID.por.fl_str_mv |
|
| dc.contributor.advisorLattes.por.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8 |
| dc.contributor.referees1.pt_BR.fl_str_mv |
Prudêncio, Ricardo Bastos Cavalcante |
| dc.contributor.referees1ID.por.fl_str_mv |
|
| dc.contributor.referees1Lattes.por.fl_str_mv |
http://lattes.cnpq.br/2984888073123287 |
| dc.contributor.referees2.pt_BR.fl_str_mv |
Carvalho, Bruno Motta de |
| dc.contributor.referees2ID.por.fl_str_mv |
|
| dc.contributor.referees2Lattes.por.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6 |
| dc.contributor.author.fl_str_mv |
Silva, Lígia Maria Moura e |
| dc.contributor.advisor1.fl_str_mv |
Canuto, Anne Magaly de Paula |
| contributor_str_mv |
Canuto, Anne Magaly de Paula |
| dc.subject.por.fl_str_mv |
Comitês de classificadores Diversidade Seleção de atributos Algoritmos genéticos |
| topic |
Comitês de classificadores Diversidade Seleção de atributos Algoritmos genéticos Ensembles Diversity Feature selection Genetic algorithms CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
| dc.subject.eng.fl_str_mv |
Ensembles Diversity Feature selection Genetic algorithms |
| dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
| description |
Classifier ensembles are systems composed of a set of individual classifiers and a combination module, which is responsible for providing the final output of the system. In the design of these systems, diversity is considered as one of the main aspects to be taken into account since there is no gain in combining identical classification methods. The ideal situation is a set of individual classifiers with uncorrelated errors. In other words, the individual classifiers should be diverse among themselves. One way of increasing diversity is to provide different datasets (patterns and/or attributes) for the individual classifiers. The diversity is increased because the individual classifiers will perform the same task (classification of the same input patterns) but they will be built using different subsets of patterns and/or attributes. The majority of the papers using feature selection for ensembles address the homogenous structures of ensemble, i.e., ensembles composed only of the same type of classifiers. In this investigation, two approaches of genetic algorithms (single and multi-objective) will be used to guide the distribution of the features among the classifiers in the context of homogenous and heterogeneous ensembles. The experiments will be divided into two phases that use a filter approach of feature selection guided by genetic algorithm |
| publishDate |
2010 |
| dc.date.issued.fl_str_mv |
2010-10-14 |
| dc.date.available.fl_str_mv |
2011-11-17 2014-12-17T15:47:53Z |
| dc.date.accessioned.fl_str_mv |
2014-12-17T15:47:53Z |
| 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 |
SILVA, Lígia Maria Moura e. Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos. 2010. 83 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2010. |
| dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/18014 |
| dc.identifier.capesdegreeprogramcode.pt_BR.fl_str_mv |
23001011022P9 |
| identifier_str_mv |
SILVA, Lígia Maria Moura e. Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos. 2010. 83 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2010. 23001011022P9 |
| url |
https://repositorio.ufrn.br/jspui/handle/123456789/18014 |
| 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 Federal do Rio Grande do Norte |
| dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Sistemas e Computação |
| dc.publisher.initials.fl_str_mv |
UFRN |
| dc.publisher.country.fl_str_mv |
BR |
| dc.publisher.department.fl_str_mv |
Ciência da Computação |
| publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
| instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
| instacron_str |
UFRN |
| institution |
UFRN |
| reponame_str |
Repositório Institucional da UFRN |
| collection |
Repositório Institucional da UFRN |
| bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstreams/e971a792-5d5f-4c0d-939a-192564121d6b/download https://repositorio.ufrn.br/bitstreams/c706aa23-af18-473c-959e-458486433edb/download https://repositorio.ufrn.br/bitstreams/997cfda5-c2b1-4b4b-a35d-2721585a2bca/download |
| bitstream.checksum.fl_str_mv |
56e9de29de6907d7e9da54247e3af4ba a7b87d8756e796eb5ffa562e9d24b9ad 308f0f68dd4763926912da789001d2ac |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
| repository.mail.fl_str_mv |
repositorio@bczm.ufrn.br |
| _version_ |
1876429168479043584 |