Construção de redes baseadas em vizinhança para o aprendizado semissupervisionado (2016)
- Authors:
- Autor USP: BERTON, LILIAN - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: REDES COMPLEXAS; APRENDIZADO COMPUTACIONAL RELACIONAL; MINERAÇÃO DE DADOS
- Keywords: Aprendizado semissupervisionado; Construção de redes; Graph construction; Graph-based methods for classification; Métodos baseados em redes para classificação; Neighborhood graphs; Redes baseadas em vizinhança; Semi-supervised learning
- Language: Português
- Abstract: Com o aumento da capacidade de armazenamento, as bases de dados são cada vez maiores e, em muitas situações, apenas um pequeno subconjunto de itens de dados pode ser rotulado. Isto acontece devido ao processo de rotulagem ser frequentemente caro, demorado e necessitar do envolvimento de especialistas humanos. Com isso, diversos algoritmos semissupervisionados foram propostos, mostrando que é possível obter bons resultados empregando conhecimento prévio, relativo à pequena fração de dados rotulados. Dentre esses algoritmos, os que têm ganhado bastante destaque na área têm sido aqueles baseados em redes. Tal interesse, justifica-se pelas vantagens oferecidas pela representação via redes, tais como, a possibilidade de capturar a estrutura topológica dos dados, representar estruturas hierárquicas, bem como modelar manifolds no espaço multi-dimensional. No entanto, existe uma grande quantidade de dados representados em tabelas atributo-valor, nos quais não se poderia aplicar os algoritmos baseados em redes sem antes construir uma rede a partir desses dados. Como a geração das redes, assim como sua relação com o desempenho dos algoritmos têm sido pouco estudadas, esta tese investigou esses aspectos e propôs novos métodos para construção de redes, considerando características ainda não exploradas na literatura. Foram propostos três métodos para construção de redes com diferentes topologias: 1) S-kNN (Sequential k Nearest Neighbors), que gera redes regulares; 2) GBILI (Graph Basedon the Informativeness of Labeled Instances) e RGCLI (Robust Graph that Considers Labeled Instances), que exploram os rótulos disponíveis gerando redes com distribuição de grau lei de potência; 3) GBLP (Graph Based on Link Prediction), que se baseia em medidas de predição de links gerando redes com propriedades mundo-pequeno. As estratégias de construção de redes propostas foram analisadas por meio de medidas de teoria dos grafos e redes complexas e validadas por meio da classificação semissupervisionada. Os métodos foram aplicados em benchmarks da área e também na classificação de gêneros musicais e segmentação de imagens. Os resultados mostram que a topologia da rede influencia diretamente os algoritmos de classificação e as estratégias propostas alcançam boa acurácia.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2016
- Data da defesa: 25.01.2016
-
ABNT
BERTON, Lilian. Construção de redes baseadas em vizinhança para o aprendizado semissupervisionado. 2016. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29072016-100548/. Acesso em: 23 abr. 2024. -
APA
Berton, L. (2016). Construção de redes baseadas em vizinhança para o aprendizado semissupervisionado (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29072016-100548/ -
NLM
Berton L. Construção de redes baseadas em vizinhança para o aprendizado semissupervisionado [Internet]. 2016 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29072016-100548/ -
Vancouver
Berton L. Construção de redes baseadas em vizinhança para o aprendizado semissupervisionado [Internet]. 2016 ;[citado 2024 abr. 23 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29072016-100548/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
