Tese

Redução dimensional de dados de alta dimensão e poucas amostras usando Projection Pursuit (2013)

• Authors:
  • Espezua Llerena, Soledad
  • Maciel, Carlos Dias (Orientador)
• Autor USP: LLERENA, SOLEDAD ESPEZUA - EESC
• Unidade: EESC
• Sigla do Departamento: SEL
• Subjects: ALGORITMOS GENÉTICOS; BANCO DE DADOS; CLASSIFICAÇÃO
• Language: Português
• Abstract: Reduzir a dimensão de bancos de dados é um passo importante em processos de reconhecimento de padrões e aprendizagem de máquina. Projection Pursuit (PP) tem emergido como uma técnica relevante para tal fim, a qual busca projeções dos dados em espaços de baixa dimensão onde estruturas interessantes sejam reveladas. Apesar do relativo sucesso de PP em vários problemas de redução dimensional, a literatura mostra uma aplicação limitada da mesma em bancos de dados com elevada quantidade de atributos e poucas amostras, tais como os gerados em biologia molecular. Nesta tese, estudam-se formas de aproveitar o potencial de PP em problemas de alta dimensão e poucas amostras a fim de facilitar a posterior construção de classificadores. Entre as principais contribuições deste trabalho tem-se: i) Sequential Projection Pursuit Modified (SPPM), um método de busca sequencial de espaços de projeção baseado em Algoritmo Genético (AG) e operadores de cruzamento especializados; ii) Block Sequential Projection Pursuit Modified (Block-SPPM) e Whitened Sequential Projection Pursuit Modified (W-SPPM), duas estratégias de aplicação de SPPM em problemas com mais atributos do que amostras, sendo a primeira baseada e particionamento de atributos e a segunda baseada em pré-compactação dos dados. Avaliações experimentais sobre bancos de dados públicos de expressão gênica mostraram a eficácia das propostas em melhorar a acurácia de algoritmos de classificação populares em relação a vários outros métodos de redução dimensional, tanto de seleção quanto de extração de atributos, encontrando-se que W-SPPM oferece o melhor compromisso entre acurácia e custo computacional
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2013
• Data da defesa: 30.07.2013


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  ESPEZUA LLERENA, Soledad. Redução dimensional de dados de alta dimensão e poucas amostras usando Projection Pursuit. 2013. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2013. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10102013-150240/. Acesso em: 26 jan. 2026.

• APA

  Espezua Llerena, S. (2013). Redução dimensional de dados de alta dimensão e poucas amostras usando Projection Pursuit (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10102013-150240/

• NLM

  Espezua Llerena S. Redução dimensional de dados de alta dimensão e poucas amostras usando Projection Pursuit [Internet]. 2013 ;[citado 2026 jan. 26 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10102013-150240/

• Vancouver

  Espezua Llerena S. Redução dimensional de dados de alta dimensão e poucas amostras usando Projection Pursuit [Internet]. 2013 ;[citado 2026 jan. 26 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10102013-150240/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Mapeamento de dados genômicos usando escalonamento multidimensional