| dc.contributor | CARVALHO, Francisco de Assis Tenório | |
| dc.creator | MACARIO FILHO, Valmir | |
| dc.date | 2014-06-12T15:57:35Z | |
| dc.date | 2014-06-12T15:57:35Z | |
| dc.date | 2009-01-31 | |
| dc.identifier | Macario Filho, Valmir; de Assis Tenório Carvalho, Francisco. Um novo algoritmo de agrupamento semisupervisionado baseado no Fuzzy C-Means. 2009. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2009. | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/2383 | |
| dc.description | Nas aplicações tradicionais de aprendizagem de máquina, os classificadores utilizam apenas
dados rotulados em seu treinamento. Os dados rotulados, por sua vez, são difíceis, caros, consomem
tempo e requerem especialistas humanos para serem obtidos em algumas aplicações
reais. Entretanto, dados não rotulados são abundantes e fáceis de serem obtidos mas há poucas
abordagens que os utilizam no treinamento. Para contornar esse problema existe a aprendizagem
semi-supervisionada.
A aprendizagem semi-supervisionada utiliza uma grande quantidade de dados não rotulados,
juntamente com dados rotulados, com a finalidade de construir classificadores melhores.
A abordagem semi-supervisionada obtém resultados melhores do que se utilizassem apenas
poucos padrões rotulados em uma abordagem supervisionada ou se utilizassem apenas padrões
não rotulados numa abordagem não supervisionada. O algoritmo semi-supervisionado pode ser
uma extensão de um algoritmo não supervisionado. Um algoritmo desse tipo pode se basear
em algoritmos de agrupamento não supervisionado, adicionando-se um termo em sua função
objetivo que faz uso de informações rotuladas para guiar o processo de aprendizagem do algoritmo.
Este trabalho apresenta um estudo da aprendizagem semi-supervisionada e apresenta um
novo algoritmo de agrupamento semi-supervisionado baseado no algoritmo Fuzzy C-Means.
Também, apresenta uma validação cruzada para o contexto de algoritmos semi-supervisionados.
Estudos experimentais são apresentados. Primeiro, o algoritmo semi-supervisionado proposto
é avaliado com dados completamente rotulados, comparado com alguns classificadores totalmente
supervisionados. Depois, o mesmo algoritmo semi-supervisionado é, então, avaliado e
comparado com três algoritmos também de agrupamento semi-supervisionados que otimizam
uma função objetivo no contexto da aprendizagem a partir de dados parcialmente rotulados.
Além disso, o comportamento do algoritmo é discutido e os resultados examinados através da
construção de intervalos de confiança.
Derivou deste trabalho, uma ferramenta contendo os algoritmos semi-supervisionados e o
ambiente experimental para validação desses algoritmos foi desenvolvida. Desse modo, foi
possível certificar que o novo algoritmo de agrupamento semi-supervisionad apresenta desempenho
melhor, ou pelo menos do mesmo nível, que algoritmos já consolidados na literatura | |
| dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.subject | Aprendizagem Semi-Supervisionada | |
| dc.subject | Agupamento Semi-Supervisionado | |
| dc.subject | Agrupamento Fuzzy | |
| dc.subject | Função Objetivo | |
| dc.subject | Classificação de Padrões | |
| dc.subject | Validação Cruzada | |
| dc.title | Um novo algoritmo de agrupamento semisupervisionado baseado no Fuzzy C-Means | |
| dc.type | masterThesis | |
