Classificação automática de dados com Support Vector Machines (SVMs) a partir de bases de dados incompletas (2003)
- Authors:
- USP affiliated authors: OLIVEIRA, CLAYTON SILVA - EP ; INOWE, EDUARDO TAKASHI - FD
- Unidades: EP; FD
- Sigla do Departamento: PME
- Subjects: BASES DE DADOS; INTELIGÊNCIA ARTIFICIAL; MATLAB
- Language: Português
- Abstract: O presente Projeto de Conclusão de Curso apresenta uma fusão de dois temas atualmente muito importantes no estudo de classificação automática de dados (parte da área de estudos de Inteligência Artificial): Support Vector Machines e treinamento semi-supervisionado. O classificador apresentado no primeiro tema vem substituindo as rede neurais em várias aplicações de automação de tomada de decisão; o segundo tema, vem sendo estudado por vários pesquisadores, numa tentativa de se utilizar bases incompletas para o treinamento de classificadores de dados. Através do programa MatLab, implementou-se uma SVM (a qual recebeu a denominação de SVMsst) de treinamento semi-supervisionado por transdução. Para medir a performance do classificador SVMsst após a execução do treinamento, utilizou-se um método de testes que fornecia uma medida estatística do desempenho da SVMsst. Em uma comparação da diferença de desempenho de SVMsst’s treinadas de forma supervisionada e semi-supervisionada, não se obteve melhora significativa quando do uso de transdução. Porém, quando se utilizou da transdução para o treinamento semi-supervisionado da SVMsst, seguido de re-treinamento do classificador, diferenças positivas de desempenho foram alcançadas, demonstrando a validade da implementação da SVM de treinamento semi-supervisionado. Como principal conclusão, a metodologia de treinamento semi-supervisionado, a partir de transdução, aplicada em SVMs pode permitir ao possível usuário deste tipo de classificador automático de dados a utilização de base de dados incompletas (ou não completamente classificadas) para o treinamento destes, fazendo com que este usuário aproveite o máximo de informação disponível, o que não seria possível com um treinamento inteiramente supervisionado.
- Imprenta:
-
ABNT
OLIVEIRA, Clayton Silva e INOWE , Eduardo Takashi. Classificação automática de dados com Support Vector Machines (SVMs) a partir de bases de dados incompletas. 2003. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2003. Disponível em: https://bdta.abcd.usp.br/directbitstream/50eaf7b1-25e7-4f26-89b6-9338b914ec62/Clayton%20Silva%20Oliveira.pdf. Acesso em: 16 mar. 2025. -
APA
Oliveira, C. S., & Inowe , E. T. (2003). Classificação automática de dados com Support Vector Machines (SVMs) a partir de bases de dados incompletas (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/50eaf7b1-25e7-4f26-89b6-9338b914ec62/Clayton%20Silva%20Oliveira.pdf -
NLM
Oliveira CS, Inowe ET. Classificação automática de dados com Support Vector Machines (SVMs) a partir de bases de dados incompletas [Internet]. 2003 ;[citado 2025 mar. 16 ] Available from: https://bdta.abcd.usp.br/directbitstream/50eaf7b1-25e7-4f26-89b6-9338b914ec62/Clayton%20Silva%20Oliveira.pdf -
Vancouver
Oliveira CS, Inowe ET. Classificação automática de dados com Support Vector Machines (SVMs) a partir de bases de dados incompletas [Internet]. 2003 ;[citado 2025 mar. 16 ] Available from: https://bdta.abcd.usp.br/directbitstream/50eaf7b1-25e7-4f26-89b6-9338b914ec62/Clayton%20Silva%20Oliveira.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Clayton Silva Oliveira.pd... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
