Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo (2013)
- Authors:
- Autor USP: CERRI, RICARDO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: ALGORITMOS GENÉTICOS; APRENDIZADO COMPUTACIONAL; REDES NEURAIS; BIOINFORMÁTICA
- Keywords: Algoritmos genéticos; Aprendizado de máquina; Bioinformática; bioinformatics; Classificação hierárquica multirrótulo; Genetic algorithms; Hierarchical multi-label classification; Machine learning; Neural networks; Redes neurais
- Language: Português
- Abstract: Em problemas convencionais de classificação, cada exemplo de um conjunto de dados é associado a apenas uma dentre duas ou mais classes. No entanto, existem problemas de classificação mais complexos, nos quais as classes envolvidas no problema são estruturadas hierarquicamente, possuindo subclasses e superclasses. Nesses problemas, exemplos podem ser atribuídos simultaneamente a classes pertencentes a dois ou mais caminhos de uma hierarquia, ou seja, exemplos podem ser classificados em várias classes localizadas em um mesmo nível hierárquico. Tal hierarquia pode ser estruturada como uma árvore ou como um grafo acíclico direcionado. Esses problemas são chamados de problemas de classificação hierárquica multirrótulo, sendo mais difíceis devido à alta complexidade, diversidade de soluções, difícil modelagem e desbalanceamento dos dados. Duas abordagens são utilizadas para tratar esses problemas, chamadas global e local. Na abordagem global, um único classificador é induzido para lidar com todas as classes do problema simultaneamente, e a classificação de novos exemplos é realizada em apenas um passo. Já na abordagem local, um conjunto de classificadores é induzido, sendo cada classificador responsável pela predição de uma classe ou de um conjunto de classes, e a classificação de novos exemplos é realizada em vários passos, considerando as predições dos vários classificadores. Nesta Tese de Doutorado, são propostos e investigados dois métodos para classificação hierárquicamultirrótulo. O primeiro deles é baseado na abordagem local, e associa uma rede neural Multi-Layer Perceptron (MLP) a cada nível da hierarquia, sendo cada MLP responsável pelas predições no seu nível associado. O método é chamado Hierarchical Multi- Label Classification with Local Multi-Layer Perceptrons (HMC-LMLP). O segundo método é baseado na abordagem global, e induz regras de classificação hierárquicas multirrótulo utilizando um Algoritmo Genético. O método é chamado Hierarchical Multi-Label Classification with a Genetic Algorithm (HMC-GA). Experimentos utilizando hierarquias estruturadas como árvores mostraram que o método HMC-LMLP obteve desempenhos de classificação superiores ao método estado-da-arte na literatura, e desempenhos superiores ou competitivos quando utilizando hierarquias estruturadas como grafos. O método HMC-GA obteve resultados competitivos com outros métodos da literatura em hierarquias estruturadas como árvores e grafos, sendo capaz de induzir, em muitos casos, regras menores e em menor quantidade
- Imprenta:
- Publisher place: São Carlos
- Date published: 2013
- Data da defesa: 05.12.2013
-
ABNT
CERRI, Ricardo. Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo. 2013. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2013. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-24032014-163900/. Acesso em: 23 abr. 2024. -
APA
Cerri, R. (2013). Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-24032014-163900/ -
NLM
Cerri R. Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo [Internet]. 2013 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-24032014-163900/ -
Vancouver
Cerri R. Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo [Internet]. 2013 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-24032014-163900/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
