Detecção de novidade em fluxos contínuos de dados multiclasse (2014)
- Authors:
- Autor USP: PAIVA, ELAINE RIBEIRO DE FARIA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: APRENDIZADO COMPUTACIONAL; MINERAÇÃO DE DADOS; INTELIGÊNCIA ARTIFICIAL
- Keywords: Data streams; Detecção de novidades; Fluxos contínuos de dados; Novelty detection
- Language: Português
- Abstract: Mineração de fluxos contínuos de dados é uma área de pesquisa emergente que visa extrair conhecimento a partir de grandes quantidades de dados, gerados continuamente. Detecção de novidade é uma tarefa de classificação que consiste em reconhecer que um exemplo ou conjunto de exemplos em um fluxo de dados diferem significativamente dos exemplos vistos anteriormente. Essa é uma importante tarefa para fluxos contínuos de dados, principalmente porque novos conceitos podem aparecer, desaparecer ou evoluir ao longo do tempo. A maioria dos trabalhos da literatura apresentam a detecção de novidade como uma tarefa de classificação binária. Poucos trabalhos tratam essa tarefa como multiclasse, mas usam medidas de avaliação binária. Em vários problemas, o correto seria tratar a detecção de novidade em fluxos contínuos de dados como uma tarefa multiclasse, no qual o conceito conhecido do problema é formado por uma ou mais classes, e diferentes novas classes podem aparecer ao longo do tempo. Esta tese propõe um novo algoritmo MINAS para detecção de novidade em fluxos contínuos de dados. MINAS considera que a detecção de novidade é uma tarefa multiclasse. Na fase de treinamento, MINAS constrói um modelo de decisão com base em um conjunto de exemplos rotulados. Na fase de aplicação, novos exemplos são classificados usando o modelo de decisão atual, ou marcados como desconhecidos. Grupos de exemplos desconhecidos podem formar padrões-novidade válidos, que são então adicionados ao modelo dedecisão. O modelo de decisão é atualizado ao longo do fluxo a fim de refletir mudanças nas classes conhecidas e permitir inserção de padrões-novidade. Esta tese também propõe uma nova metodologia para avaliação de algoritmos para detecção de novidade em fluxos contínuos de dados. Essa metodologia associa os padrões-novidade não rotulados às classes reais do problema, permitindo assim avaliar a matriz de confusão que é incremental e retangular. Além disso, a metodologia de avaliação propõe avaliar os exemplos desconhecidos separadamente e utilizar medidas de avaliação multiclasse. Por último, esta tese apresenta uma série de experimentos executados usando o MINAS e os principais algoritmos da literatura em bases de dados artificiais e reais. Além disso, o MINAS foi aplicado a um problema real, que consiste no reconhecimento de atividades humanas usando dados de acelerômetro. Os resultados experimentais mostram o potencial do algoritmo e da metodologia propostos
- Imprenta:
- Publisher place: São Carlos
- Date published: 2014
- Data da defesa: 08.05.2014
-
ABNT
PAIVA, Elaine Ribeiro de Faria. Detecção de novidade em fluxos contínuos de dados multiclasse. 2014. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2014. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14072014-142248/. Acesso em: 16 fev. 2026. -
APA
Paiva, E. R. de F. (2014). Detecção de novidade em fluxos contínuos de dados multiclasse (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14072014-142248/ -
NLM
Paiva ER de F. Detecção de novidade em fluxos contínuos de dados multiclasse [Internet]. 2014 ;[citado 2026 fev. 16 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14072014-142248/ -
Vancouver
Paiva ER de F. Detecção de novidade em fluxos contínuos de dados multiclasse [Internet]. 2014 ;[citado 2026 fev. 16 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14072014-142248/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
