Avaliação de medidas de similaridade de matrizes kernel aplicadas em classicadores de larga margem para seleção de modelos

dc.contributorVillela, Saulo Moraes
dc.contributorhttp://lattes.cnpq.br/3358075178615535
dc.contributorBorges, Carlos Cristiano Hasenclever
dc.contributorhttp://lattes.cnpq.br/2487554612123446
dc.contributorFonseca Neto, Raul
dc.contributorhttp://lattes.cnpq.br/3572434390881704
dc.contributorXavier, Vinicius Layter
dc.contributorhttp://lattes.cnpq.br/9683190447704675
dc.creatorFaustino, Paulo Roberto do Carmo
dc.date2022-06-10T16:50:05Z
dc.date2022-06-10
dc.date2022-06-10T16:50:05Z
dc.date2019-03-20
dc.date.accessioned2023-09-29T15:01:30Z
dc.date.available2023-09-29T15:01:30Z
dc.identifierhttps://repositorio.ufjf.br/jspui/handle/ufjf/14187
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9123357
dc.descriptionThe purpose of this work is to investigate the behavior of similarity measurements, i.e., Kernel Target Alignment (KTA) and Feature Space-based Kernel Matrix Evaluation Measure (FSM) in relation to their correlation with a large margin classifier - support vector machine, in order to propose and implement a model selection method, constructed by means of two steps: a hyper-parameter selection model and a model for feature selection. The KTA and FSM methods indicate the degree of similarity between kernel matrices determined by an alignment measure. This value of alignment is used as reference for a wrapper model selection construction using the simulated anneling as optimizer. Initial tests are depicted to verify the similarity measurements performance in relation to a large margin classi er aiming to identify the better measure to be adopted in the proposed selection model. Following, the described selection model components are tested separately and their results are exhaustively analyzed.
dc.descriptionA proposta deste trabalho é investigar o comportamento de medidas de similaridade, como Kernel Target Alignment (KTA) e Feature Space-based Kernel Matrix Evaluation Measure (FSM), e observar suas interações com um classificador de larga margem, construir um modelo de seleção de modelos, implementando seus componentes separadamente: um modelo de seleção de hiperparâmetros e um modelo de seleção de características. Os métodos KTA e FSM indicam o grau de similaridades entre matrizes kernel, retornando um valor de alinhamento. Este alinhamento é utilizando na construção dos modelos de seleção utilizando o método Simulated Annealing. São apresentados testes iniciais indicando o desempenho das medidas de similaridade, para a escolha adequada de qual medida será acoplada ao modelo de seleção proposto. Em seguida são descritos, separadamente, os modelos propostos de seleção, bem como seus resultados comparativos.
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)
dc.publisherBrasil
dc.publisherICE – Instituto de Ciências Exatas
dc.publisherPrograma de Pós-graduação em Ciência da Computação
dc.publisherUFJF
dc.rightsAcesso Aberto
dc.rightsAttribution 3.0 Brazil
dc.rightshttp://creativecommons.org/licenses/by/3.0/br/
dc.subjectSeleção de modelos
dc.subjectSeleção de hiperparâmetros
dc.subjectSeleção de características
dc.subjectMedidas de similaridade
dc.subjectClassificadores de larga margem
dc.subjectModel selection
dc.subjectHyper-parameter selection
dc.subjectFeature selection
dc.subjectSimilarity measures
dc.subjectLarge margin classifiers
dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.titleAvaliação de medidas de similaridade de matrizes kernel aplicadas em classicadores de larga margem para seleção de modelos
dc.typeDissertação


Este ítem pertenece a la siguiente institución