MÃtodo de Potencial para a classificaÃÃo supervisionada

AUTOR(ES)

Valmir RogÃrio da Silva

DATA DE PUBLICAÇÃO

2008

RESUMO

A classificaÃÃo supervisionada representa uma parte das tÃcnicas empregadas no contexto de Data Mining, com crescente impacto nos estudos em vÃrias Ãreas do conhecimento, possibilitado pelo crescimento exponencial da capacidade de processamento e disponibilidade de recursos computacionais. AlÃm do fato que jà existem vÃrias tÃcnicas bem conhecidas e estabelecidas na literatura, a importÃncia desta Ãrea exige esforÃos contÃnuos no sentido da comparaÃÃo de performance de diferentes mÃtodos, e da sua aplicabilidade aos diferentes tipos de dados, bem como propostas de novas metodologias que poderÃo contribuir para o estado da arte atual. Esta dissertaÃÃo apresenta um novo mÃtodo de classificaÃÃo, o mÃtodo de potencial. Este mÃtodo à construÃdo com base em conceitos da fÃsica, atravÃs do mapeamento de observaÃÃes no espaÃo p-dimensional dos dados para o sistema virtual de partÃculas interagentes no espaÃo Euclidiano p-dimensional. O mÃtodo à formalizado com todos os detalhes necessÃrios para a definiÃÃo da regra de classificaÃÃo com base na teoria de decisÃo de Bayes. As caracterÃsticas mais relevantes do mÃtodo tambÃm sÃo apresentadas. O mÃtodo de nÃcleo à utilizado para comparaÃÃo com o mÃtodo de potencial por apresentar boas propriedades e ser bastante difundido e estudado no meio acadÃmico. Os dois mÃtodos se diferenciam basicamente pela forma funcional com que estimam as densidades que sÃo utilizadas para se construir a regra de classificaÃÃo. Os classificadores propostos pelos mÃtodos sÃo entÃo avaliados com respeito a discriminabilidade da regra de decisÃo para dados reais e simulados, respectivamente, atravÃs das tÃcnicas bootstrap e holdout. O estudo atual, alÃm de ser longe de ser completo, mostra que o desempenho dos mÃtodos à semelhante na maioria dos casos, mas que por outro lado existem situaÃÃes quando cada um deles tem vantagens em relaÃÃo ao outro

ASSUNTO(S)

anÃlise discriminante de nÃcleo potential discriminant analysis anÃlise discriminante de potencial bootstrap estatistica bootstrap classificaÃÃo classification kernel discriminant analysis

Documentos Relacionados

• ClassificaÃÃo supervisionada de imagens SAR via redes neurais artificiais.
• ClassificaÃÃo supervisionada usando dados simbÃlicos de semÃntica modal
• ComposiÃÃo de especialistas locais para classificaÃÃo de populaÃÃes.
• Modelos escondidos de Markov para classificaÃÃo de proteÃnas
• Sistema neuro-fuzzy para classificaÃÃo de calcificaÃÃes em mamogramas