Seleção de protótipos com mapas-auto-organizáveis e entropia para sobreposição de classes e desbalanceamento de dados

Página do item simplificado
dc.contributor.advisorSilva, Leandro Augusto da
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1396385111251741por
dc.contributor.authorRubbo, Márcio
dc.creator.Latteshttp://lattes.cnpq.br/2992260687234549por
dc.date.accessioned2020-03-13T20:32:11Z
dc.date.accessioned2020-05-28T18:08:57Z
dc.date.available2020-05-28T18:08:57Z
dc.date.issued2019-08-09
dc.description.abstractO k vizinhos mais próximos (kNN) é um classificador supervisionado tradicional usado em tarefas de mineração de dados. No entanto, quando usado em aplicações reais, principalmente em uma base de dados com desbalanceamento ou sobreposição de classes, o kNN sofre com problemas na tarefa de classificação dos dados. Neste trabalho, são propostos três métodos de seleção de protótipos usando mapas-auto-organizáveis (SOM) e entropia da informação para aumentar a efetividade do classificador kNN em base de dados nessas condições. Bases de dados artificiais, simulando diferentes condições de sobreposição de dados e desbalanceamento, foram criadas e utilizadas em conjunto com bases de dados públicas para teste dos métodos. Medidas de dados complexos foram usadas para identificar sobreposição de dados e separação das classes nas bases usadas nos experimentos e uma comparação foi realizada com os resultados obtidos. Os métodos, nomeados SOMEntropyHighFilter, SOMEntropyLowFilter e SOMEntropyHighLowFilter, foram capazes de aumentar a eficiência do classificador kNN nas bases de dados artificiais e reais usadas para testes, aumentando a performance em bases de dados desbalanceadas ou com problemas de sobreposição.por
dc.formatapplication/pdf*
dc.identifier.citationRUBBO, Márcio. Seleção de protótipos com mapas-auto-organizáveis e entropia para sobreposição de classes e desbalanceamento de dados. 2019. 85 f. Dissertação ( Engenharia Elétrica ) - Universidade Presbiteriana Mackenzie, São Paulo, 2019.por
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24499
dc.keywordsPrototype selectioneng
dc.keywordsself-organizing maps of Kohoneneng
dc.keywordsK closest neighborseng
dc.keywordsdata class overlapeng
dc.keywordsdata reductioneng
dc.keywordsdata imbalanceeng
dc.keywordsdata complexitypor
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectseleção de protótipospor
dc.subjectmapas auto-organizáveis de Kohonenpor
dc.subjectK vizinhos mais próximospor
dc.subjectsobreposição de classespor
dc.subjectredução de dadospor
dc.subjectdesbalanceamentopor
dc.subjectcomplexidade de dadospor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApor
dc.titleSeleção de protótipos com mapas-auto-organizáveis e entropia para sobreposição de classes e desbalanceamento de dadospor
dc.typeDissertaçãopor
local.contributor.board1Menezes, Mario Olímpio de
local.contributor.board1Latteshttp://lattes.cnpq.br/4882949829423994por
local.contributor.board2Carvalho, André Carlos Ponce de Leon Ferreira de
local.contributor.board2Latteshttp://lattes.cnpq.br/9674541381385819por
local.publisher.countryBrasilpor
local.publisher.departmentEscola de Engenharia Mackenzie (EE)por
local.publisher.initialsUPMpor
local.publisher.programEngenharia Elétricapor
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
MARCIO RUBBO.pdf
Tamanho:
2.04 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis