Utilização de meta-aprendizado para problemas com fluxo de dados

Resumo

Diversas aplicações do mundo real geram dados continuamente, como, por exemplo, redes de sensores e detecção de intrusão de computadores. Essa característica de fluxo contínuo impõe certos desafios para a mineração desses dados. Um desses desafios é a mudança, com o passar do tempo, da distribuição dos exemplos, que ocorre quando os fenômenos que geram os dados são dinâmicos. Essas alterações são chamadas de mudanças de conceitos. Para lidar com as mudanças de conceitos, propõe-se, neste projeto, investigar a aplicação de meta-aprendizado a problemas de fluxo de dados. O objetivo geral é obter um melhor desempenho, em termos de acurácia e custo computacional, de técnicas e algoritmos que são utilizados em problemas com fluxo de dados. Apesar do enfoque ser numa abordagem de meta-aprendizado, as especificidades da mineração de fluxos implicam a necessidade de adaptar e extender métodos existentes. Serão pesquisadas também outras possíveis formas de incorporar meta-conhecimento nos algoritmos e no processo de criação dos modelos, com o intuito de melhorar o desempenho em problemas de fluxos de dados. Devido a especificidade da abordagem proposta, possivelmente será necessário adaptar as metodologias de avaliação de fluxos de dados e meta-aprendizado encontradas na literatura.