Navegando por Autor "Silva, Jesaias Carvalho Pereira"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Tese Análise de dinamicidade na seleção de parâmetros de comitê de classificadores(Universidade Federal do Rio Grande do Norte, 2025-04-25) Silva, Jesaias Carvalho Pereira; Canuto, Anne Magaly de Paula; Santos, Araken de Medeiros; http://lattes.cnpq.br/1357887401899097; https://orcid.org/0000-0002-6586-8340; http://lattes.cnpq.br/4068957569470459; Carvalho, Bruno Motta de; Nascimento, Diego Silveira Costa; Silva, Huliane Medeiros da; Oliveira Filho, Isaac de LimaAo longo dos anos, um progresso significativo foi feito no domínio da pesquisa de comitê de classificadores. Vários métodos para aumentar a eficiência foram propostos, aplicáveis a estruturas de comitês de classificadores homogêneos e heterogêneos. Um desafio chave reside em determinar a sua estrutura (hiperparâmetros). Basicamente, a seleção da estrutura do comitê pode ser feita de duas maneiras diferentes, seleção estática e dinâmica. Ao contrário da seleção estática, que independente dos parâmetros usa o mesmo critério para realizar a escolha, a seleção dinâmica define a estrutura do comitê para cada instância de teste. Diferentes métodos de seleção dinâmica têm sido propostos na literatura, principalmente para membros do comitê e atributos da base de dados, mas muito pouco esforço tem sido feito para propor métodos de seleção dinâmica para métodos de combinação, também conhecidos métodos de fusão. Portanto, é importante avaliar o impacto de uma seleção dinâmica de métodos de combinação ou de ambos (métodos e membros) na criação de comitês de classificadores robustos. Este trabalho propõe uma análise exploratória da seleção dinâmica dos principais parâmetros da estrutura de um comitê. Para isso, foram avaliados três cenários diferentes: Comitês completamente estáticos; Comitês parcialmente dinâmicos; e, Comitês completamente dinâmicos. Com o objetivo de analisar os cenários dinâmicos, três métodos de fusão dinâmica foram propostos e utilizados com três métodos de seleção de membros. Cada um se concentra em um enfoque específico: um por região de competência, outro por meta-aprendizado e o último por hipercaixas fuzzy. Por fim, foi realizada uma análise empírica destes três cenários em 30 bases de dados. Os resultados desta pesquisa confirmam que a seleção dinâmica de classificadores e combinadores melhora significativamente a precisão e adaptabilidade dos comitês de classificadores. Métodos completamente dinâmicos, demonstraram desempenho superior em comparação com abordagens parcialmente dinâmicas e estáticas, destacando-se pela capacidade de selecionar os melhores classificadores e métodos de fusão para cada instância de teste. Desta forma, podemos afirmar que os resultados incentivam o desenvolvimento de métodos mais eficientes e escaláveis no campo do aprendizado de máquina.