Seleção de atributos: uma abordagem geométrica.

Detalhes bibliográficos
Ano de defesa: 1994
Autor(a) principal: Nakano, Luis Gustavo Mendonca
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Attribute selection
Pattern recognition
Reconhecimento de padrões
Seleção de atributos
Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-08012025-114529/
Resumo: A área de reconhecimento de padrões possui como um dos seus problemas mais importantes a seleção de atributos. Este trabalho pretende introduzir um novo índice de separabilidade entre classes para a seleção de atributos, baseado nas características geométricas das distribuições das classes a serem classificadas. Este índice é baseado em um particionamento adaptativo do espaço de atributos que utiliza um custo computacional bastante menor que o critrio de m´ínima taxa de erro para o classificador de bayes e com a vantagem de nao utilizar informacoes sobre as funcoes densidade de probabilidade das distribuicoes das amostras. Varios testes foram realizados, tendo como parametros de comparacao a taxa de erro de Bayes e o critério do traço do produto da inversa da matriz W (matriz de espalhamento intra-classes) pela matriz B (matriz de espalhamento entre classes). Estes testes incluiram distribuições Gaussianas e não Gaussianas. O índice proposto fornece respostas bastante próximas das obtidas pelo critério de mínima taxa de erro do classificador de Bayes.
id USP_844577e8627d974b95afa877a92fdac4
oai_identifier_str oai:teses.usp.br:tde-08012025-114529
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Seleção de atributos: uma abordagem geométrica.Untitled in englishAttribute selectionPattern recognitionReconhecimento de padrõesSeleção de atributosA área de reconhecimento de padrões possui como um dos seus problemas mais importantes a seleção de atributos. Este trabalho pretende introduzir um novo índice de separabilidade entre classes para a seleção de atributos, baseado nas características geométricas das distribuições das classes a serem classificadas. Este índice é baseado em um particionamento adaptativo do espaço de atributos que utiliza um custo computacional bastante menor que o critrio de m´ínima taxa de erro para o classificador de bayes e com a vantagem de nao utilizar informacoes sobre as funcoes densidade de probabilidade das distribuicoes das amostras. Varios testes foram realizados, tendo como parametros de comparacao a taxa de erro de Bayes e o critério do traço do produto da inversa da matriz W (matriz de espalhamento intra-classes) pela matriz B (matriz de espalhamento entre classes). Estes testes incluiram distribuições Gaussianas e não Gaussianas. O índice proposto fornece respostas bastante próximas das obtidas pelo critério de mínima taxa de erro do classificador de Bayes.The pattern recognition field has feature selection as a main problem. This work intends to present a new class separability index to feature selection, based on the geometrical characteristics of the class distributions to be classified. This index is based on a adaptive feature space partition that needs a smaller computational cost than the minimum error rate for the Bayes classifier, with the further advantage of not using information about the probability density function from the distribution of the samples. Many tests were executed, using as comparing parameters the error rate for the Bayes classifier and the trace of the product of the inverse W matrix (within lasses spread matrix) and the matrix B (between classes spread matrix). These tests included Gaussian and non Gaussian distributions. The proposed index finds answers close those found by the minimum error rate for the Bayes classifier.Biblioteca Digitais de Teses e Dissertações da USPKohn, Andre FabioNakano, Luis Gustavo Mendonca1994-06-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3141/tde-08012025-114529/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-01-08T13:49:02Zoai:teses.usp.br:tde-08012025-114529Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-01-08T13:49:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Seleção de atributos: uma abordagem geométrica.
Untitled in english
title Seleção de atributos: uma abordagem geométrica.
spellingShingle Seleção de atributos: uma abordagem geométrica.
Nakano, Luis Gustavo Mendonca
Attribute selection
Pattern recognition
Reconhecimento de padrões
Seleção de atributos
title_short Seleção de atributos: uma abordagem geométrica.
title_full Seleção de atributos: uma abordagem geométrica.
title_fullStr Seleção de atributos: uma abordagem geométrica.
title_full_unstemmed Seleção de atributos: uma abordagem geométrica.
title_sort Seleção de atributos: uma abordagem geométrica.
author Nakano, Luis Gustavo Mendonca
author_facet Nakano, Luis Gustavo Mendonca
author_role author
dc.contributor.none.fl_str_mv Kohn, Andre Fabio
dc.contributor.author.fl_str_mv Nakano, Luis Gustavo Mendonca
dc.subject.por.fl_str_mv Attribute selection
Pattern recognition
Reconhecimento de padrões
Seleção de atributos
topic Attribute selection
Pattern recognition
Reconhecimento de padrões
Seleção de atributos
description A área de reconhecimento de padrões possui como um dos seus problemas mais importantes a seleção de atributos. Este trabalho pretende introduzir um novo índice de separabilidade entre classes para a seleção de atributos, baseado nas características geométricas das distribuições das classes a serem classificadas. Este índice é baseado em um particionamento adaptativo do espaço de atributos que utiliza um custo computacional bastante menor que o critrio de m´ínima taxa de erro para o classificador de bayes e com a vantagem de nao utilizar informacoes sobre as funcoes densidade de probabilidade das distribuicoes das amostras. Varios testes foram realizados, tendo como parametros de comparacao a taxa de erro de Bayes e o critério do traço do produto da inversa da matriz W (matriz de espalhamento intra-classes) pela matriz B (matriz de espalhamento entre classes). Estes testes incluiram distribuições Gaussianas e não Gaussianas. O índice proposto fornece respostas bastante próximas das obtidas pelo critério de mínima taxa de erro do classificador de Bayes.
publishDate 1994
dc.date.none.fl_str_mv 1994-06-20
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.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3141/tde-08012025-114529/
url https://www.teses.usp.br/teses/disponiveis/3/3141/tde-08012025-114529/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1831214826642210816

Registros relacionados