Seleção de características por meio de algoritmos genéticos para aprimoramento de rankings e de modelos de classificação (2011)
- Authors:
- Autor USP: SILVA, SÉRGIO FRANCISCO DA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: ALGORITMOS GENÉTICOS; PROCESSAMENTO DE IMAGENS; COMPUTAÇÃO GRÁFICA; MULTIMÍDIA; RECONHECIMENTO DE PADRÕES
- Language: Português
- Abstract: Sistemas de recuperação de imagens por conteúdo (Content-based image retrieval { CBIR) e de classificação dependem fortemente de vetores de características que são extraídos das imagens considerando critérios visuais específicos. É comum que o tamanho dos vetores de características seja da ordem de centenas de elementos. Conforme se aumenta o tamanho (dimensionalidade) do vetor de características, também se aumentam os graus de irrelevâncias e redundâncias, levando ao problema da "\maldição da dimensionalidade\". Desse modo, a seleção das características relevantes é um passo primordial para o bom funcionamento de sistemas CBIR e de classificação. Nesta tese são apresentados novos métodos de seleção de características baseados em algoritmos genéticos (do inglês genetic algorithms - GA), visando o aprimoramento de consultas por similaridade e modelos de classificação. A família Fc (\"Fitness coach\") de funções de avaliação proposta vale-se de funções de avaliação de ranking, para desenvolver uma nova abordagem de seleção de características baseada em GA que visa aprimorar a acurácia de sistemas CBIR. A habilidade de busca de GA considerando os critérios de avaliação propostos (família Fc) trouxe uma melhora de precisão de consultas por similaridade de até 22% quando comparado com métodos wrapper tradicionais para seleção de características baseados em decision-trees (C4.5), naive bayes, support vector machine, 1-nearest neighbor e mineração de regras de associação. Outrascontribuições desta tese são dois métodos de seleção de características baseados em filtragem, com aplicações em classificação de imagens, que utilizam o cálculo supervisionado da estatística de silhueta simplificada como função de avaliação: o silhouette-based greedy search (SiGS) e o silhouette-based genetic algorithm search (SiGAS). Os métodos propostos superaram os métodos concorrentes na literatura (CFS, FCBF, ReliefF, entre outros). É importante também ressaltar que o ganho em acurácia obtido pela família Fc, e pelos métodos SiGS e SiGAS propostos proporcionam também um decréscimo significativo no tamanho do vetor de características, de até 90%
- Imprenta:
- Publisher place: São Carlos
- Date published: 2011
- Data da defesa: 25.04.2011
-
ABNT
SILVA, Sérgio Francisco da. Seleção de características por meio de algoritmos genéticos para aprimoramento de rankings e de modelos de classificação. 2011. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2011. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19072011-151501/. Acesso em: 18 set. 2024. -
APA
Silva, S. F. da. (2011). Seleção de características por meio de algoritmos genéticos para aprimoramento de rankings e de modelos de classificação (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19072011-151501/ -
NLM
Silva SF da. Seleção de características por meio de algoritmos genéticos para aprimoramento de rankings e de modelos de classificação [Internet]. 2011 ;[citado 2024 set. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19072011-151501/ -
Vancouver
Silva SF da. Seleção de características por meio de algoritmos genéticos para aprimoramento de rankings e de modelos de classificação [Internet]. 2011 ;[citado 2024 set. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19072011-151501/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas