Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/18014
Title: Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos
Authors: Silva, Lígia Maria Moura e
Keywords: Comitês de classificadores;Diversidade;Seleção de atributos;Algoritmos genéticos;Ensembles;Diversity;Feature selection;Genetic algorithms
Issue Date: 14-Oct-2010
Publisher: Universidade Federal do Rio Grande do Norte
Citation: 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.
Portuguese Abstract: Comitês 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 atributos
Abstract: 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
URI: https://repositorio.ufrn.br/jspui/handle/123456789/18014
Appears in Collections:PPGSC - Mestrado em Sistemas e Computação

Files in This Item:
File Description SizeFormat 
LigiaMMS_DISSERT.pdf1,4 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.