An investigation into the effects of label noise on dynamic selection algorithms

dc.contributorCAVALCANTI, George Darmiton da Cunha
dc.contributorSABOURIN, Robert
dc.contributorhttp://lattes.cnpq.br/8652242028413094
dc.contributorhttp://lattes.cnpq.br/8577312109146354
dc.contributorhttp://lattes.cnpq.br/6269525393139517
dc.creatorWALMSLEY, Felipe Nunes
dc.date2020-08-14T17:04:59Z
dc.date2020-08-14T17:04:59Z
dc.date2020-01-22
dc.date.accessioned2022-10-06T16:44:53Z
dc.date.available2022-10-06T16:44:53Z
dc.identifierWALMSLEY, Felipe Nunes. An investigation into the effects of label noise on dynamic selection algorithms. 2020. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2020.
dc.identifierhttps://repositorio.ufpe.br/handle/123456789/37647
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3984217
dc.descriptionIn the literature on classification problems, it is widely discussed how the presence of label noise can bring about severe degradation in performance. Several works have applied Prototype Selection techniques, Ensemble Methods, or both, in an attempt to alleviate this issue. Nevertheless, these methods are not always able to sufficiently counteract the effects of noise. In this work, we investigate the effects of noise on a particular class of Ensemble Methods, that of Dynamic Selection algorithms, and we are especially interested in the behavior of the Fire-DES++ algorithm, a state of the art algorithm which applies the ENN to algorithm to deal with the effects of noise and imbalance. We propose a method which employs multiple Dynamic Selection sets, based on the Bagging-IH algorithm, which we dub Multiple-Set Dynamic Selection (MSDS), in an attempt to supplant the ENN algorithm on the filtering step. We find that almost all methods based on Dynamic Selection are severely affected by the presence of label noise, with the exception of the KNORAU algorithm. We also find that our proposed method can alleviate the issues caused by noise in some specific scenarios.
dc.descriptionCAPES
dc.descriptionNa literatura de problemas de classificação, é amplamente discutido como a presença de ruído nos rótulos de classe pode acarretar grave degradação na performance. Vários trabalhos aplicam técnicas de Seleção de Protótipos, Métodos de Ensemble, ou ambos, em uma tentativa de aliviar esse problema. Não obstante, esses métodos nem sempre são capazes de contrabalançar os efeitos do ruído. Neste trabalho, nós investigamos o efeito do ruído em uma classe em particular de Métodos de Ensemble, a classe dos métodos de Seleção Dinâmica, e estamos particularmente interessados no comportamento do algoritmo Fire-DES++, um algoritmo estado da arte que aplica o método Edited Nearest Neighbors (ENN) para lidar com os efeitos de ruído e desbalanceamento. Nós propomos um método que emprega múltiplos conjuntos de Seleção Dinâmica, baseado no algoritmo Bagging-IH, que nós nomeamos Multiple-Set Dynamic Selection (MSDS), em uma tentativa de suplantar o algoritmo ENN no passo de filtragem. Nós observamos que quase todos os métodos baseados em Seleção Dinâmica são fortemente afetados pela presença de ruído, exceto o algoritmo KNORAU. Nós também observamos que, em alguns cenários específicos, o nosso método proposto pode amenizar os problemas causados pelo ruído.
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Pernambuco
dc.publisherUFPE
dc.publisherBrasil
dc.publisherPrograma de Pos Graduacao em Ciencia da Computacao
dc.rightsembargoedAccess
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.subjectMétodos de Ensemble
dc.subjectSistemas de múltiplos classificadores
dc.subjectSeleção dinâmica
dc.subjectRuído de classe
dc.titleAn investigation into the effects of label noise on dynamic selection algorithms
dc.typemasterThesis


Este ítem pertenece a la siguiente institución