Máquinas de vetores suporte usando o algoritmo evolução diferencial com busca local para classificação de dados

Nome: Rodrigo de Castro Cosme
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 30/01/2012
Orientador:

Nomeordem decrescente Papel
Renato Antônio Krohling Orientador

Banca:

Nomeordem decrescente Papel
Joao Marques Salomao Examinador Externo
Maria Claudia Silva Boeres Examinador Interno
Renato Antônio Krohling Orientador

Resumo: Mineração de dados é uma área chave para diversos campos da ciência e engenharia.
Neste contexto, um método de aprendizado estatístico, conhecido como máquinas de vetores suporte tem se apresentado como um método promissor para solucionar classificação de dados. Geralmente, o problema de máquinas de vetores suporte (inglês: Support
Vector Machines - SVM) é formulado como um problema de otimização não-linear sujeito a restrições. Técnicas de otimização convencionais que utilizam a abordagem
Lagrangiana são usadas para solucionar este tipo de problema. No caso de classificação de dados ruidosos as técnicas convencionais apresentam deterioração de desempenho, já que o problema de otimização resultante é multidimensional e pode apresentar muitos mínimos locais. Neste trabalho, é proposto o algoritmo Evolução Diferencial combinado com uma técnica de busca local, uma hibridização de busca tabu com o método Nelder-Mead, para encontrar os parâmetros ótimos dos classificadores SVM aplicados a dados ruidosos.

Acesso ao documento

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910