Formação incremental de conceitos probabilísticos a partir de observações com atributos discretos e contínuos

AUTOR(ES)
DATA DE PUBLICAÇÃO

2003

RESUMO

Muitas entidades do mundo real podem ser representadas através da combinação de atributos discretos e contínuos. O problema básico da formação de conceitos, em domínios com esta representação, deve-se ao uso de diferentes funções de avaliação para cada tipo de atributo. Nesse trabalho, esse problema será analisado especificamente em sistemas de formação de conceitos probabilísticos (SFCP). A análise do problema aponta diferentes comportamentos para as funções de avaliação dos atributos discretos e contínuos. Essa diferença resulta numa participação desbalanceada das funções de avaliação, para cada tipo de atributo, na função de avaliação geral. Isso, conseqüentemente, gera uma tendência na criação da hierarquia, afetando diretamente a qualidade dos conceitos gerados. Basicamente, este trabalho se concentra em estudar a qualidade dos conceitos em termos da capacidade de inferência dos mesmos. Em SFCP, devido o caráter incremental dos mesmos, a cada nova entidade classificada a capacidade de inferência dos conceitos sofre modificações. Essas modificações são de diferente intensidade para cada tipo de atributo. A proposta de solução desse trabalho está baseada no ganho individual de capacidade de inferência para cada tipo de atributo, discretos e contínuos. Assim, busca-se a criação de uma da hierarquia de conceitos que também promova o maior ganho em capacidade de inferência para cada tipo de atributo. A abordagem aqui proposta constitui uma forma de contornar a predominância na função de avaliação geral. Experimentos realizados para medir a qualidade dos conceitos gerados pela proposta apresentada mostraram resultados superiores em comparação com trabalhos similares.

ASSUNTO(S)

probabilidade - dissertaÇÕes algoritmo - dissertaÇÕes sistemas de informacao

ACESSO AO ARTIGO

Documentos Relacionados