Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11612/3235
Autor(a): Sousa, Kleyson Morais de
Orientador: Carvalho, Rafael Lima de
Título: Utilização de algoritmos de otimização por enxame aplicados a seleção de características
Palavras-chave: Seleção de características;Otimização;Aprendizagem de Máquina;Enxame de Partículas.
Data do documento: Out-2018
Editor: Universidade Federal do Tocantins
Citação: SOUSA, Kleyson Morais de. Utilização de algoritmos de otimização por enxame aplicados à seleção de características. 52f. Monografia (Graduação) - Ciência da computação, Universidade Federal do Tocantins, Palmas, 2020.
Resumo: A pesquisa por métodos de seleção de características tem se mostrado cada vez mais presente em aplicações de aprendizado de máquina, principalmente naquelas onde o número de atributos disponíveis está na faixa de centenas ou até mesmo milhares. Essas aplicações incluem, por exemplo, o processamento de documentos de texto, análise de expressão genética e química combinatória. Seleção de características ou variáveis é um conceito que propõe métodos que visam fornecer preditores mais rápidos e econômicos, melhorar o desempenho de previsão dos preditores e proporcionar uma melhor compreensão do processo subjacente que gerou os dados. Matematicamente, a seleção de características é formulada como um problema de otimização combinatória. Em geral, abordar problemas deste tipo de maneira a encontrar a solução exata nem sempre é viável. Dessa forma, métodos de inteligência computacional, podem ser usados para que permitam realizar a seleção de características na prática. Portanto, o objetivo deste trabalho é apresentar e propor técnicas de otimização guiadas por estratégias de seleção de características, dentre as quais pode-se destacar a otimização por enxame de partículas, otimização de enxame por competição e a combinação de ambos.
Abstract: The search for feature selection methods has been increasingly present in machine learning applications, especially in those where the number of available attributes is in the range of hundreds or even thousands. Such applications include, for example, word document processing, gene expression analysis, and combinatorial chemistry. Feature selection or selection of characteristics is a concept that proposes methods that aim to provide faster and more economical predictors, improve predictor prediction performance, and provide a better understanding of the underlying process that generated the data. Mathematically, feature selection is formulated as a combinatorial optimization problem. In general, addressing such problems in a way that finding the exact solution is not always feasible. In this way, computational intelligence methods can be used to allow the feature selection in practice. Therefore, the objective of this work is to present and propose optimization techniques guided by strategies of feature selection, among which we can highlight the optimization by swarm of particles, optimization of swarm by competition and the combination of both.
URI: http://hdl.handle.net/11612/3235
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Kleyson Morais de Sousa ok.pdf12.94 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.