Tese

Processamento de sinal em grafos: Teoria de amostragem e sua aplicação no aprendizado semi-supervisionado ativo (2020)

• Authors:
  • Nhassengo, Evaristo Calisto
  • Cuminato, José Alberto (Orientador)
• Autor USP: NHASSENGO, EVARISTO CALISTO - ICMC
• Unidade: ICMC
• Sigla do Departamento: SME
• Subjects: PROCESSAMENTO DE SINAIS (TEORIA DE SISTEMAS E CONTROLE); TEORIA DOS GRAFOS; AMOSTRAGEM; TRANSFORMADA DE FOURIER; APRENDIZADO COMPUTACIONAL; ANÁLISE NUMÉRICA
• Keywords: Aprendizado semi-supervisionado; Graph Fourier Transform; Sampling Theory; Semi-supervised Learning; Signal processing on graphs
• Agências de fomento:
  • Financiado pelo Instituto Superior Politécnico De Songo (ISPS)
• Language: Português
• Abstract: No uso dos algoritmos de aprendizado de máquina para as tarefas de classificação, admite-se a existência de um conjunto de exemplos rotulados conhecido como conjunto de treinamento. Este conjunto é utilizado para treinar um classificador. Porém em vários casos de aplicação real o conjunto de treinamento pode não ser suficiente para treinar um bom classificador. Existe uma variação dos algoritmos de aprendizado de máquina supervisionado, conhecida como algoritmos semi-supervisionados. Os algoritmos semi-supervisionados, assumem que, juntamente com o conjunto de treinamento, existe um segundo conjunto de exemplos não rotulados, também disponível durante o treinamento. Um dos objetivos dos algoritmos semisupervisionados é o treinamento de classificadores quando uma grande quantidade de exemplos não rotulados está disponível e o conjunto de exemplos rotulados é escasso. Para tratar o problema da escassez de dados rotulados propõe-se uma escolha estratégica de exemplos a rotular para uma classificação eficaz. Neste trabalho é generalizado o problema clássico da amostragem de sinais, considera-se o problema da amostragem de sinais definidos em grafos. A teoria de amostragem de sinais em grafos estuda o problema da escolha do melhor subconjunto de vértices para a reconstrução perfeita do sinal através de sua amostra. No estudo de sinais através de grafos a representação do domínio de frequência é dada através dos autovalores e autovetores do Laplaciano. Aplica-se o algoritmo deamostragem de sinais em grafos (ANIS; GADDE; ORTEGA, 2016) para selecionar o melhor conjunto de treinamento em um conjunto de dados. Estuda-se o efeito que a amostragem de sinais em grafos tem nos algoritmos de aprendizado semi-supervisionado. Propõe-se um algoritmo semi-supervisionado ativo baseado no algoritmo proposto por Anis, Gadde e Ortega (2016) e no algoritmo de propagação de rótulos LLGC (ZHOU et al., 2004). A proposta é modificar a matriz de similaridade dos dados, para considerar amostras da região de classificação incerta a cada iteração. Mostra-se através de experimentos numéricos que a proposta supera outras técnicas de aprendizado ativo, quando os dados rotulados são escassos. Nos experimentos são usados conjuntos de dados reais e artificiais.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2020
• Data da defesa: 09.01.2020


---

How to cite

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

• ABNT

  NHASSENGO, Evaristo Calisto. Processamento de sinal em grafos: Teoria de amostragem e sua aplicação no aprendizado semi-supervisionado ativo. 2020. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23032020-101746/. Acesso em: 04 ago. 2025.

• APA

  Nhassengo, E. C. (2020). Processamento de sinal em grafos: Teoria de amostragem e sua aplicação no aprendizado semi-supervisionado ativo (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23032020-101746/

• NLM

  Nhassengo EC. Processamento de sinal em grafos: Teoria de amostragem e sua aplicação no aprendizado semi-supervisionado ativo [Internet]. 2020 ;[citado 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23032020-101746/

• Vancouver

  Nhassengo EC. Processamento de sinal em grafos: Teoria de amostragem e sua aplicação no aprendizado semi-supervisionado ativo [Internet]. 2020 ;[citado 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23032020-101746/

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

• Processamento de sinal em grafos: teoria de amostragem e sua aplicação no aprendizado semi-supervisionado