Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural (2016)
- Authors:
- Autor USP: CARNEIRO, MURILLO GUIMARÃES - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: REDES COMPLEXAS; APRENDIZADO COMPUTACIONAL; COMPUTAÇÃO BIOINSPIRADA; MINERAÇÃO DE DADOS
- Keywords: Aprendizado de máquina; Classificação de dados; Classificação por conformidade de padrão; Classificação por importância; Classification by data importance; Classification by pattern conformation; Complex networks; Data classification; Machine learning; network structural optimization; Otimização de redes
- Language: Português
- Abstract: A classificação é uma tarefa do aprendizado de máquina e mineração de dados, na qual um classificador é treinado sobre um conjunto de dados rotulados de forma que as classes de novos itens de dados possam ser preditas. Tradicionalmente, técnicas de classificação trabalham por definir fronteiras de decisão no espaço de dados considerando os atributos físicos do conjunto de treinamento e uma nova instância é classificada verificando sua posição relativa a tais fronteiras. Essa maneira de realizar a classificação, essencialmente baseada nos atributos físicos dos dados, impossibilita que as técnicas tradicionais sejam capazes de capturar relações semânticas existentes entre os dados, como, por exemplo, a formação de padrão. Por outro lado, o uso de redes complexas tem se apresentado como um caminho promissor para capturar relações espaciais, topológicas e funcionais dos dados, uma vez que a abstração da rede unifica a estrutura, a dinâmica e as funções do sistema representado. Dessa forma, o principal objetivo desta tese é o desenvolvimento de métodos e heurísticas baseadas em teorias de redes complexas para a classificação de dados. As principais contribuições envolvem os conceitos de conformidade de padrão, caracterização de importância e otimização estrutural de redes. Para a conformidade de padrão, onde medidas de redes complexas são usadas para estimar a concordância de um item de teste com a formação de padrão dos dados, é apresentada uma técnica híbrida simples pela qualassociações físicas e topológicas são produzidas a partir da mesma rede. Para a caracterização de importância, é apresentada uma técnica que considera a importância individual dos itens de dado para determinar o rótulo de um item de teste. O conceito de importância aqui é definido em termos do PageRank, algoritmo usado na engine de busca do Google para definir a importância de páginas da web. Para a otimização estrutural de redes, é apresentado um framework bioinspirado capaz de construir a rede enquanto otimiza uma função de qualidade orientada à tarefa, como, por exemplo, classificação, redução de dimensionalidade, etc. A última investigação apresentada no documento explora a representação baseada em grafo e sua habilidade para detectar classes de distribuições arbitrárias na tarefa de difusão de papéis semânticos. Vários experimentos em bases de dados artificiais e reais, além de comparações com técnicas bastante usadas na literatura, são fornecidos em todas as investigações. Em suma, os resultados obtidos demonstram que as vantagens e novos conceitos propiciados pelo uso de redes se configuram em contribuições relevantes para as áreas de classificação, sistemas de aprendizado e redes complexas.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2016
- Data da defesa: 08.11.2016
-
ABNT
CARNEIRO, Murillo Guimarães. Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural. 2016. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-01022017-100223/. Acesso em: 16 nov. 2024. -
APA
Carneiro, M. G. (2016). Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-01022017-100223/ -
NLM
Carneiro MG. Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural [Internet]. 2016 ;[citado 2024 nov. 16 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-01022017-100223/ -
Vancouver
Carneiro MG. Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural [Internet]. 2016 ;[citado 2024 nov. 16 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-01022017-100223/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
