Feature selection for characterization of continuous optimization functions

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Silva, Guilherme Ribeiro Da [UNIFESP]
Orientador(a): Scarpel, Rodrigo Arnaldo [UNIFESP]
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de São Paulo (UNIFESP)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Seleção De Atributos
Otimização Contínua
Redução Da Dimensionalidade
Otimização Caixa Preta
Palavras-chave em Inglês:
Feature Selection
Continuous Optimization
Dimensionality Reduction
Black Box Optimization Benchmark
Link de acesso: https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=7928399
https://repositorio.unifesp.br/handle/11600/59868
Resumo: O tema de Seleção Automática de Algoritmos tem recebido crescente atenção nos últimos anos. Técnicas de Aprendizagem de Máquinas são capazes de predizer com alta precisão o melhor conjunto de algoritmos para uma dada instância de uma função. No presente trabalho, são estabelecidos as etapas necessárias para caracterização de funções contínuas. Com uma abordagem de Redução de Dimensionalidade, apenas os atributos que melhor preservem a informação do conjunto de dados serão selecionados. Então, o conjunto de atributos foi comparado com métricas já estabelecidas na literatura e os resultados analisados.
id UFSP_c676ef356b565ebf178cf1d6ca1658ba
oai_identifier_str oai:repositorio.unifesp.br:11600/59868
network_acronym_str UFSP
network_name_str Repositório Institucional da UNIFESP
repository_id_str
spelling MestradoSilva, Guilherme Ribeiro Da [UNIFESP]Universidade Federal de São Paulo (UNIFESP)Scarpel, Rodrigo Arnaldo [UNIFESP]2021-01-19T16:36:46Z2021-01-19T16:36:46Z2019-08-27O tema de Seleção Automática de Algoritmos tem recebido crescente atenção nos últimos anos. Técnicas de Aprendizagem de Máquinas são capazes de predizer com alta precisão o melhor conjunto de algoritmos para uma dada instância de uma função. No presente trabalho, são estabelecidos as etapas necessárias para caracterização de funções contínuas. Com uma abordagem de Redução de Dimensionalidade, apenas os atributos que melhor preservem a informação do conjunto de dados serão selecionados. Então, o conjunto de atributos foi comparado com métricas já estabelecidas na literatura e os resultados analisados.The field of automatic algorithm selection has received increased attention in the past years. Machine Learning techniques are now able to predict with high accuracy the best set of algorithms for a given problem instance. In this present dissertation, we establish the steps for the selection of features for characterization of continuous functions. Via a Dimensionality Reduction approach, only the features that best preserve the information of the dataset are selected. Then, the selected features were compared to already established sets of metrics from the literature and the results are analyzed.Dados abertos - Sucupira - Teses e dissertações (2019)https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=7928399GUILHERME RIBEIRO DA SILVA.pdfhttps://repositorio.unifesp.br/handle/11600/59868engUniversidade Federal de São Paulo (UNIFESP)info:eu-repo/semantics/openAccessSeleção De AtributosOtimização ContínuaRedução Da DimensionalidadeOtimização Caixa PretaFeature SelectionContinuous OptimizationDimensionality ReductionBlack Box Optimization BenchmarkFeature selection for characterization of continuous optimization functionsinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESPSão José dos Campos, Instituto de Ciência e TecnologiaPesquisa OperacionalORIGINALGUILHERME RIBEIRO DA SILVA.pdfapplication/pdf16343269https://repositorio.unifesp.br/bitstreams/304068ce-0244-4e49-ba5f-59237a89fe2d/download8ca5da3440f419df4058cf496bd742a4MD51TEXTGUILHERME RIBEIRO DA SILVA.pdf.txtGUILHERME RIBEIRO DA SILVA.pdf.txtExtracted texttext/plain100606https://repositorio.unifesp.br/bitstreams/abf5577b-3557-4133-bc1b-008b5fe2fd57/download0d98df2ca7994b3e362f40349bbd63e9MD52THUMBNAILGUILHERME RIBEIRO DA SILVA.pdf.jpgGUILHERME RIBEIRO DA SILVA.pdf.jpgGenerated Thumbnailimage/jpeg3415https://repositorio.unifesp.br/bitstreams/e5e47133-4efe-4dd8-9088-f03909c0ca75/download8be07f0c6b944fbd22a79affa068305cMD5311600/598682024-08-04 05:10:50.038oai:repositorio.unifesp.br:11600/59868https://repositorio.unifesp.brRepositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-08-04T05:10:50Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false
dc.title.pt.fl_str_mv Feature selection for characterization of continuous optimization functions
title Feature selection for characterization of continuous optimization functions
spellingShingle Feature selection for characterization of continuous optimization functions
Silva, Guilherme Ribeiro Da [UNIFESP]
Seleção De Atributos
Otimização Contínua
Redução Da Dimensionalidade
Otimização Caixa Preta
Feature Selection
Continuous Optimization
Dimensionality Reduction
Black Box Optimization Benchmark
title_short Feature selection for characterization of continuous optimization functions
title_full Feature selection for characterization of continuous optimization functions
title_fullStr Feature selection for characterization of continuous optimization functions
title_full_unstemmed Feature selection for characterization of continuous optimization functions
title_sort Feature selection for characterization of continuous optimization functions
author Silva, Guilherme Ribeiro Da [UNIFESP]
author_facet Silva, Guilherme Ribeiro Da [UNIFESP]
author_role author
dc.contributor.institution.pt.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
dc.contributor.author.fl_str_mv Silva, Guilherme Ribeiro Da [UNIFESP]
dc.contributor.advisor1.fl_str_mv Scarpel, Rodrigo Arnaldo [UNIFESP]
contributor_str_mv Scarpel, Rodrigo Arnaldo [UNIFESP]
dc.subject.por.fl_str_mv Seleção De Atributos
Otimização Contínua
Redução Da Dimensionalidade
Otimização Caixa Preta
topic Seleção De Atributos
Otimização Contínua
Redução Da Dimensionalidade
Otimização Caixa Preta
Feature Selection
Continuous Optimization
Dimensionality Reduction
Black Box Optimization Benchmark
dc.subject.eng.fl_str_mv Feature Selection
Continuous Optimization
Dimensionality Reduction
Black Box Optimization Benchmark
description O tema de Seleção Automática de Algoritmos tem recebido crescente atenção nos últimos anos. Técnicas de Aprendizagem de Máquinas são capazes de predizer com alta precisão o melhor conjunto de algoritmos para uma dada instância de uma função. No presente trabalho, são estabelecidos as etapas necessárias para caracterização de funções contínuas. Com uma abordagem de Redução de Dimensionalidade, apenas os atributos que melhor preservem a informação do conjunto de dados serão selecionados. Então, o conjunto de atributos foi comparado com métricas já estabelecidas na literatura e os resultados analisados.
publishDate 2019
dc.date.issued.fl_str_mv 2019-08-27
dc.date.accessioned.fl_str_mv 2021-01-19T16:36:46Z
dc.date.available.fl_str_mv 2021-01-19T16:36:46Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.pt.fl_str_mv https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=7928399
dc.identifier.uri.fl_str_mv https://repositorio.unifesp.br/handle/11600/59868
dc.identifier.file.none.fl_str_mv GUILHERME RIBEIRO DA SILVA.pdf
url https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=7928399
https://repositorio.unifesp.br/handle/11600/59868
identifier_str_mv GUILHERME RIBEIRO DA SILVA.pdf
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFESP
instname:Universidade Federal de São Paulo (UNIFESP)
instacron:UNIFESP
instname_str Universidade Federal de São Paulo (UNIFESP)
instacron_str UNIFESP
institution UNIFESP
reponame_str Repositório Institucional da UNIFESP
collection Repositório Institucional da UNIFESP
bitstream.url.fl_str_mv https://repositorio.unifesp.br/bitstreams/304068ce-0244-4e49-ba5f-59237a89fe2d/download
https://repositorio.unifesp.br/bitstreams/abf5577b-3557-4133-bc1b-008b5fe2fd57/download
https://repositorio.unifesp.br/bitstreams/e5e47133-4efe-4dd8-9088-f03909c0ca75/download
bitstream.checksum.fl_str_mv 8ca5da3440f419df4058cf496bd742a4
0d98df2ca7994b3e362f40349bbd63e9
8be07f0c6b944fbd22a79affa068305c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)
repository.mail.fl_str_mv biblioteca.csp@unifesp.br
_version_ 1881578848546455552

Registros relacionados