Definição de uma nova função critério baseada em distâncias nebulosas com múltiplos protótipos para seleção de características
ABCD PBi
Definição de uma nova função critério baseada em distâncias nebulosas com múltiplos protótipos para seleção de características
Autor:
Ashimine, Jishu
Orientador:
César Júnior, Roberto Marcondes
Assuntos:
Computação Gráfica
Notas:
Dissertação (Mestrado)
Descrição:
A seleção de características tem um papel importante no processo de reconhecimento de padrões. Métodos de seleção automática de características que gerem bons subconjuntos a partir de um conjunto com grande número de características são de importância fundamental dentro desse contexto. Estes métodos de seleção focam em dois pontos prncipais: o algoritmo de seleção e a função-critério. No projeto de mestrado, descrito neste texto de dissertação, desenvolvemos uma extensão da abordagem de seleção de características baseada em distâncias nebulosas entre classes, proposto anteriormente em [10], com a introdução de uma nova função critério. Nesta extensão, cada classe do conjunto de treinamento será subdividida em k grupos, utilizando o algoritmo fuzzy k-means. Isto permitirá a generalização para que a função critério utilize k protótipos por classe, no lugar de um único protótipo, como em [10]. Além disso, a função de pertinência associada a cada amostra do conjunto de treinamento será estendida apropriadamente de maneira a incorporar a informação proveniente dos k protótipos por classe. Foi avaliado o desempenho de seleção dessas duas funções critério realizando-se testes em dados sintéticos (utilizando-se distribuições Gaussianas) e em dados reais (a base de dados Ionosphere obtidas de UCI[6])
DOI:
10.11606/D.45.2005.tde-20210729-144359
Editor:
Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Matemática e Estatística
Data de criação/publicação:
2005-05-11
Formato:
Adobe PDF
Idioma:
Português
Disponível na Biblioteca:
IME - Inst. Matemática e Estatística (IME-T QA862.T A825d e.1 )