Seleção de características genética com mutação individual por bit baseada em Pearson e clusterização de variáveis utilizando medidas de dissimilaridade
Genetic feature selection with Pearson individual mutation rate and feature clustering based on dissimilarity measures
| dc.contributor | Silva, Geraldo Zimbrão da | |
| dc.contributor | http://lattes.cnpq.br/3937502490683382 | |
| dc.contributor | http://lattes.cnpq.br/1408411365369261 | |
| dc.contributor | Milidiú, Ruy Luiz | |
| dc.contributor | Alvim, Leandro Guimarães Marques | |
| dc.contributor | Xexéo, Geraldo Bonorino | |
| dc.contributor | Calôba, Luiz Pereira | |
| dc.creator | Araujo, Adriano Gomes Sabino de | |
| dc.date | 2021-04-05T02:39:41Z | |
| dc.date | 2023-09-27T03:03:13Z | |
| dc.date | 2019-08 | |
| dc.date.accessioned | 2023-09-27T13:43:50Z | |
| dc.date.available | 2023-09-27T13:43:50Z | |
| dc.identifier | http://hdl.handle.net/11422/14064 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8912622 | |
| dc.description | Reducing the number of dimensions of a problem allows not only to reduce the processing time of the used learning technique but also to improve its performance. Feature Selection and Feature Clustering are two important ways to accomplish such a reduction. The first one is the search for the ideal feature set to solve a problem, that is, the one that makes it possible to reach the best result when using a predictor. The second one is intended to group dimensions in order to use the clusters to generate the new problem input set. This work introduces a genetic algorithm for feature selection and differs from others in the following aspects: (1) individual mutation rate per bit and proportional to the Pearson correlation coefficient and (2) initial population generation based on the same coefficient. In addition, it presents a feature clustering algorithm that, unlike other works in the literature, merge more dissimilar dimensions. Experiments were performed with both algorithms and the results obtained were promising. Individually performed well and, when performed one after another, resulted in better performances. The experiments were carried out on different databases, highlighting as main the text classification database Reuters 21,578. The best result was with Precision (P) of 0.9890, Recall (R) of 0.9815 and F1 of 0.9852. On Reuters, the result was compared with three other papers and was superior to the best of them ([UĞUZ, 2011]). | |
| dc.description | Reduzir a quantidade de dimensões de um problema possibilita não só reduzir o tempo de processamento da técnica de aprendizado utilizada como também melhorar o desempenho da mesma. Seleção de Características e Agrupamento de Variáveis são duas importantes formas de realizar tal redução. A primeira consiste na busca do conjunto ideal de características para solucionar determinado problema, ou seja, aquele que possibilita alcançar o melhor resultado quando utilizando um preditor. A segunda tem como intuito agrupar dimensões a fim de usar os agrupamentos para gerar o novo conjunto de entrada do problema. Este trabalho introduz um algoritmo genético para seleção de características que se diferencia de outros nos seguintes aspectos: (1) pela taxa de mutação individual por bit e proporcional ao coeficiente de correlação de Pearson e (2) pela geração da população inicial baseada no mesmo coeficiente. Além disso, apresenta um algoritmo de agrupamento de características que, diferente de outros trabalhos da literatura, uni dimensões mais dissimilares quanto possível. Experimentos foram executados com ambos os algoritmos e os resultados obtidos foram promissores. Executados individualmente tiveram bons resultados e, quando executados um após o outro, resultaram em melhores desempenhos. Os experimentos foram realizados sobre diferentes bases de dados, destacando-se como principal a base de classificação de textos Reuters 21.578. O melhor resultado obtido em tal base foi com Precision (P) de 0,9890, Recall (R) de 0,9815 e F1 de 0,9852. O mesmo foi comparado com três outros trabalhos e foi superior ao melhor deles ([UĞUZ, 2011]). | |
| dc.language | por | |
| dc.publisher | Universidade Federal do Rio de Janeiro | |
| dc.publisher | Brasil | |
| dc.publisher | Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia | |
| dc.publisher | Programa de Pós-Graduação em Engenharia de Sistemas e Computação | |
| dc.publisher | UFRJ | |
| dc.rights | Acesso Aberto | |
| dc.subject | Seleção de características | |
| dc.subject | Agrupamento de características | |
| dc.subject | Algoritmos genéticos | |
| dc.subject | Coeficiente de correlação de Pearson | |
| dc.subject | CNPQ::ENGENHARIAS | |
| dc.title | Seleção de características genética com mutação individual por bit baseada em Pearson e clusterização de variáveis utilizando medidas de dissimilaridade | |
| dc.title | Genetic feature selection with Pearson individual mutation rate and feature clustering based on dissimilarity measures | |
| dc.type | Tese |