Navegando por Autor "Jesus, Jhoseph Kelvin Lopes de"
Agora exibindo 1 - 3 de 3
- Resultados por página
- Opções de Ordenação
Dissertação Abordagens baseadas em teoria da informação para seleção automatizada de atributos(2018-09-21) Jesus, Jhoseph Kelvin Lopes de; Canuto, Anne Magaly de Paula; Araújo, Daniel Sabino Amorim de; ; ; ; Bedregal, Benjamin Rene Callejas; ; Carvalho, André Carlos Ponce de Leon Ferreira de;Com o rápido crescimento de dados complexos em aplicações do mundo real, a seleção de atributos se torna uma etapa de pré-processamento obrigatória em qualquer aplicação para reduzir a complexidade dos dados e o tempo computacional. Com base nisso, vários trabalhos têm desenvolvido métodos eficientes para realizar essa tarefa. A maioria das abordagens de seleção de atributos selecionam os melhores atributos baseado em alguns critérios específicos. Embora algum avanço tenha sido feito, uma má escolha de uma única abordagem ou critério para avaliar a importância dos atributos, e a escolha arbitrária dos números de atributos feita pelo usuário podem levar a uma queda de desempenho das técnicas. A fim de superar algumas dessas questões, este trabalho apresenta o desenvolvimento de duas vertentes de abordagens de seleção de atributos automatizadas. A primeira está relacionada a métodos de fusão de múltiplos algoritmos de seleção de atributos, que utilizam estratégias baseadas em ranking e comitês de classificadores para combinar algoritmos de seleção de atributos em termos de dados (Fusão de Dados) e de decisão (Fusão de Decisão), permitindo aos pesquisadores considerar diferentes perspectivas na etapa de seleção de atributos. A segunda vertente aborda o contexto de seleção dinâmica de atributos através da proposição do método PF-DFS, uma extensão do algoritmo de seleção dinâmica (DFS), usando como analogia a otimização multiobjetivo pela fronteira de pareto, que nos permite considerar perspectivas distintas da relevância dos atributos e definir automaticamente o número de atributos para selecionar. As abordagens propostas foram testadas usando diversas bases de dados reais e artificiais e os resultados mostraram que, quando comparado com métodos de seleção individuais, o desempenho de um dos métodos propostos é notavelmente superior. De fato, os resultados são promissores, uma vez que as abordagens propostas também alcançaram desempenho superiores quando comparados a métodos consagrados da redução de dimensionalidade, e ao usar os conjuntos de dados originais, mostrando que a redução de atributos ruidosos e/ou redundantes pode ter um efeito positivo no desempenho de tarefas de classificação.Livro Anais do 4º Workshop de Pesquisa científica(Editora da UFRN, 2017-07-04) Campos, Eduardo Lacerda; Trindade, Gabriela Oliveira da; Jesus, Jhoseph Kelvin Lopes de; Dantas, Carine Azevedo; Gonçalves, Luiz Marcos GarciaOrganizado por alunos da disciplina de Metodologia da Pesquisa Científica do Programa de Pós-Graduação em Engenharia Elétrica e de Computação (PGEEC), Pós-Graduação em Sistemas e Computação (PPGSC) e Pós-Graduação em Engenharia Mecatrônica (PPGEMECA), o Workshop de Pesquisa Científica (WPC) é um meio encontrado por este programa para permitir que os alunos aprendam na prática como os eventos científicos são organizados. O WPC também é importante para instigar nos alunos a busca pelo modo de fazer ciência.[Texto retirado da apresentação da obra]Tese Automações não-supervisionadas na abordagem de seleção dinâmica de atributos baseada na fronteira de pareto(Universidade Federal do Rio Grande do Norte, 2023-08-25) Jesus, Jhoseph Kelvin Lopes de; Canuto, Anne Magaly de Paula; Araújo, Daniel Sabino Amorim de; https://orcid.org/0000-0001-5572-0505; http://lattes.cnpq.br/4744754780165354; http://lattes.cnpq.br/1357887401899097; http://lattes.cnpq.br/8707612770138733; Fontes, Aluisio Igor Rego; Santos, Araken de Medeiros; Carvalho, Bruno Motta deMuitas estratégias de seleção de atributos foram desenvolvidas nas últimas décadas, usando diferentes critérios para selecionar as características mais relevantes. O uso da seleção dinâmica de atributos, entretanto, mostrou que o uso de múltiplos critérios simultaneamente para determinar o melhor subconjunto de atributos para instâncias similares pode fornecer resultados encorajadores. Embora o uso da seleção dinâmica tenha atenuado parte das limitações encontradas em métodos de seleção tradicionais, a utilização exclusiva de critério de avaliação supervisionados e a definição manual da quantidade de grupos a serem utilizados, conduzem a limitações de análises de problemas complexos em cenários não-supervisionados. Neste contexto, esta tese propõe três vertentes da abordagem de seleção dinâmica de atributos baseada na fronteira de pareto, no contexto de pré-processamento e uma vertente no contexto de classificação. A primeira está relacionada com a inclusão de critérios não-supervisionados na versão base do PF-DFS/M. A segunda (PF-DFS/P) e terceira (PF-DFS/A) vertentes são variações da versão base, onde incluem, respectivamente, a automatização parcial e total da definição da quantidade de grupos a serem utilizados no processo de pré-processamento através do uso de um comitê de índices de validação interno. A automatização do hiperparâmetro referente a quantidade de grupos permite que, ao invés da escolha arbitrária, sejam utilizados mecanismos que possam auxiliar pesquisadores a lidar com bases de dados não-rotuladas, ou até mesmo a constituir uma análise sob bases rotuladas. A última vertente propõe a utilização de uma mecanismo de ponderação por agrupamento dinâmico para permitir que ao invés de considerar apenas um grupo de atributos para treinar classificadores e testar instâncias, cada instância possa selecionar uma porção de atributos baseada na proporção da similaridade com todos os grupos de atributos. Nas análises investigativas foram utilizados conjuntos de dados reais e artificiais. Os resultados encontrados nas análises empíricas empregadas nesta tese são promissores, demonstrando que o PF-DFS, com a automatização parcial e total da definição da quantidade de grupos a serem utilizados e a utilização da estratégias de ponderação por agrupamento dinâmico, são capazes de obter resultados superiores aos métodos de seleção de atributos utilizados como base comparativa, bem como quando comparado ao conjunto original de dados.