Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/2292
Title in Portuguese: Comitês de classificadores baseados nas Redes SOM e Fuzzy ART com sintonia de parâmetros e seleção de atributos via metaheurísticas evolucionárias
Author: Mattos, César Lincoln Cavalcante
Advisor(s): Barreto, Guilherme de Alencar
Keywords: Teleinformática
Redes neurais
Issue Date: Nov-2011
Citation: MATTOS, C. L. C. Comitês de classificadores baseados nas Redes SOM e Fuzzy ART com sintonia de parâmetros e seleção de atributos via metaheurísticas evolucionárias. 2011. 120 f. Dissertação (Mestrado em Engenharia de Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011.
Abstract in Portuguese: O paradigma de classificação baseada em comitês tem recebido considerável atenção na literatura científica em anos recentes. Neste contexto, redes neurais supervisionadas têm sido a escolha mais comum para compor os classificadores base dos comitês. Esta dissertação tem a intenção de projetar e avaliar comitês de classificadores obtidos através de modificações impostas a algoritmos de aprendizado não-supervisionado, tais como as redes Fuzzy ART e SOM, dando origem, respectivamente, às arquiteturas ARTIE (ART in Ensembles) e MUSCLE (Multiple SOM Classifiers in Ensembles). A sintonia dos parâmetros e a seleção dos atributos das redes neurais que compõem as arquiteturas ARTIE e MUSCLE foram tratados por otimização metaheurística, a partir da proposição do algoritmo I-HPSO (Improved Hybrid Particles Swarm Optimization). As arquiteturas ARTIE e MUSCLE foram avaliadas e comparadas com comitês baseados nas redes Fuzzy ARTMAP, LVQ e ELM em 12 conjuntos de dados reais. Os resultados obtidos indicam que as arquiteturas propostas apresentam desempenhos superiores aos dos comitês baseados em redes neurais supervisionadas.
Abstract: The ensemble-based classification paradigm has received considerable attention in scientific literature in recent years. In this context, supervised neural networks have been the most common choice for ensembles’ base classifiers. This dissertation has the intention of projecting and evaluating ensembles of classifiers built through modifications on non-supervised learning algorithms, such as the Fuzzy ART and SOM networks, originating, respectively, the ARTIE (ART in Ensembles) and MUSCLE (Multiple SOM Classifiers in Ensembles) models. The parameters’ tunning and the feature selection of the neural networks which compose the ARTIE and MUSCLE models were tackled by metaheuristic optimization, with the proposal of the I-HPSO (Improved Hybrid Particles Swarm Optimization) algorithm. The ARTIE and MUSCLE models were evaluated and compared with ensembles based on Fuzzy ARTMAP, LVQ and ELM networks in 12 real world datasets. The obtained results indicate that the proposed models present performance superior to the ensembles of supervised neural networks
URI: http://www.repositorio.ufc.br/handle/riufc/2292
metadata.dc.type: Dissertação
Appears in Collections:DETE - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2011_dis_clcmattos.pdf5,31 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.