Ensembles Of Classifiers
Mostrando 1-9 de 9 artigos, teses e dissertações.
-
1. Seleção de componentes em ensembles de clasificadores multirrótulo / Component Selection in Ensembles of Multi-label Classifiers
The selection of components in ensembles of classifiers is a very common activity in the field of Machine Learning with several studies showing its effectiveness in obtaining significant gains in accuracy. However, the most studied classification task involves mutually exclusive labels (classes). The objective of this work is to present a study on the select
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 27/07/2012
-
2. ComitÃs de Classificadores Baseados nas Redes SOM e Fuzzy ART com Sintonia de ParÃmetros e SeleÃÃo de Atributos via MetaheurÃsticas EvolucionÃrias / Ensembles of classifiers based on SOM and Fuzzy ART networks with parameter tuning and feature selection through evolutionary metaheuristics.
O paradigma de classificaÃÃo baseada em comitÃs tem recebido considerÃvel atenÃÃo na literatura cientÃfica em anos recentes. Neste contexto, redes neurais supervisionadas tÃm sido a escolha mais comum para compor os classificadores base dos comitÃs. Esta dissertaÃÃo tem a intenÃÃo de projetar e avaliar comitÃs de classificadores obtidos atravÃ
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 28/11/2011
-
3. Algoritmo de aprendizado supervisionado - baseado em máquinas de vetores de suporte - uma contribuição para o reconhecimento de dados desbalanceados / Supervised learning Algorithm - Based on Support Vector Machines - A Contribution to the Recognition of Unbalanced Data
The machine learning in datasets that have unbalanced classes, has received considerable attention in the scientific community, because the traditional classification algorithms dont provide a satisfactory performance. This low performance can be explained by the fact that the traditional techniques of machine learning consider that each class present in the
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 26/09/2011
-
4. Dilema da diversidade-acurácia: um estudo empírico no contexto de multiclassificadores
Multi-classifier systems, also known as ensembles, have been widely used to solve several problems, because they, often, present better performance than the individual classifiers that form these systems. But, in order to do so, its necessary that the base classifiers to be as accurate as diverse among themselves this is also known as diversity/accuracy dile
Publicado em: 2008
-
5. Uma análise da aplicação do modelo de Rede Neural RePART em Comitês de classificadores
RePART (Reward/Punishment ART) is a neural model that constitutes a variation of the Fuzzy Artmap model. This network was proposed in order to minimize the inherent problems in the Artmap-based model, such as the proliferation of categories and misclassification. RePART makes use of additional mechanisms, such as an instance counting parameter, a reward/puni
Publicado em: 2008
-
6. Bootstrap agregating : an investigation of performance in statistics and neural networks classifiers, numerical evaluation and application on breast cancer diagnostic support. / Agregação via bootstrap: uma investigação de desempenho em classificadores estatísticos e redes neurais, avaliação numérica e aplicação no suporte ao diagnóstico de câncer de mama .
In pattern recognition, the medical diagnosis has received great attention. In gene-ral, the emphasis has been to identify one best model for diagnostic forecast, measured according to generalization ability. In this context, ensembles methods have been eficients, can be considered on the improvement of performance in diagnostic tasks that demand greater pre
Publicado em: 2007
-
7. Combinig classifiers using knowledge rule measures and genetic algortgms / Combinação de classificadores simbólicos utilizando medidas de regras de conhecimento e algoritmos genéticos
A qualidade das hipóteses induzidas pelos atuais sistemas de aprendizado de máquina supervisionado depende da quantidade dos exemplos no conjunto de treinamento. Por outro lado, muitos dos sistemas de aprendizado de máquina conhecidos não estão preparados para trabalhar com uma grande quantidade de exemplos. Grandes conjuntos de dados são típicos em m
Publicado em: 2006
-
8. Geração, seleção e combinação de componentes para ensembles de redes neurais aplicadas a problemas de classificação / Generation, selection and combination of components in neural network ensembles applied to classification problems
O uso da abordagem ensembles tem sido bastante explorado na última década, por se tratar de uma técnica simples e capaz de aumentar a capacidade de generalização de soluções baseadas em aprendizado de máquina. No entanto, para que um ensemble seja capaz de promover melhorias de desempenho, os seus componentes devem apresentar bons desempenhos individ
Publicado em: 2006
-
9. Combination of symbolic classifiers to improve predictive and descriptive power of ensembles / "Combinação de classificadores simbólicos para melhorar o poder preditivo e descritivo de Ensembles"
A qualidade das hipóteses induzidas pelos atuais sistemas de Aprendizado de Máquina depende principalmente da quantidade e da qualidade dos atributos e exemplos utilizados no treinamento. Freqüentemente, resultados experimentais obtidos sobre grandes bases de dados, que possuem muitos atributos irrelevantes, resultam em hipóteses de baixa precisão. Por
Publicado em: 2002