Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos

Detalhes bibliográficos
Ano de defesa: 2010
Autor(a) principal: Silva, Lígia Maria Moura e
Orientador(a): Canuto, Anne Magaly de Paula
Banca de defesa: Não Informado pela instituição
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