Aprendizado supervisionado incremental de Redes Bayesianas para mineração de dados.

AUTOR(ES)

Murilo Lacerda Yoshida

DATA DE PUBLICAÇÃO

2007

RESUMO

Esse trabalho tem como objetivo propor dois algoritmos para aprendizado incremental supervisionado de redes Bayesianas, o AIP (Aprendizado Incremental ingênuo de Parâmetros) e o ABC (Aprendizado Bayesiano em Camadas). Para isso se pesquisou conceitos teóricos de redes Bayesianas, algoritmos de aprendizado de redes Bayesianas e métodos de aprendizado incremental de redes Bayesianas relevantes na literatura. Para melhorar o desempenho do aprendizado incremental se pesquisou uma estrutura de representação de conhecimento chamada AD-Tree. Para aferir a qualidade das redes Bayesianas produzidas se utilizou essas redes para classificar conjuntos de teste, obtendo assim o índice de classificação correta (ICC). Foi pesquisado o processo de classificação de conjuntos de teste e o processo de propagação de evidências. O resultado dessas pesquisas está descrito no trabalho, junto com os resultados e discussões sobre os experimentos feitos com os algoritmos propostos.

ASSUNTO(S)

aprendizado incremental ciencia da computacao inteligência artificial representação do conhecimento data mining (mineração de dados)

Documentos Relacionados

• A seleção de atributos e o aprendizado supervisionado de redes bayesianas no contexto da mineração de dados
• Mineração de dados utilizando aprendizado não-supervisionado: um estudo de caso para bancos de dados da saúde
• Aprendizado semi-supervisionado e não supervisionado para análise de dados de expressão gênica
• Aprendizado supervisionado com conjuntos de dados desbalanceados
• Aprendizado supervisionado usando redes neurais construtivas.