Busca avançada
Ano de início
Entree

Métodos e algoritmos em aprendizado de máquina não supervisionado e semi-supervisionado

Processo: 13/18698-4
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de fevereiro de 2014 - 31 de janeiro de 2016
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Ricardo José Gabrielli Barreto Campello
Beneficiário:Ricardo José Gabrielli Barreto Campello
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Aprendizado computacional  Mineração de dados 

Resumo

Este documento apresenta um projeto de pesquisa dentro da linha de auxílios regulares da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp). O objetivo fundamental é apoiar de maneira integrada as pesquisas realizadas pelo grupo de pesquisa do proponente, pelo período de 2 anos. O grupo é essencialmente constituído pelo pesquisador responsável e seus alunos no ICMC/USP, mas o projeto envolverá também colaborações internacionais com a Universidade de Alberta no Canadá e com a Ludwig-Maximilians-Universität na Alemanha.No tocante aos temas de pesquisa, trata-se de um projeto do tipo "guarda-chuva", que compreende subprojetos a serem desenvolvidos principalmente como parte de orientações de mestrado e doutorado, diretamente sob supervisão do pesquisador no Brasil ou através das colaborações no exterior. Em linhas gerais, a proposta visa investigar métodos de aprendizado de máquina voltados a problemas de mineração de dados. As vertentes de investigação se concentram majoritariamente nos paradigmas de aprendizado não supervisionado e semi-supervisionado, com particular enfoque para as áreas de análise de agrupamento de dados e detecção de anomalias (ou outliers). No contexto de agrupamento de dados, tópicos de pesquisa de interesse incluem, dentre outros, agrupamentos dos tipos hierárquico, semi-supervisionado, paralelo e distribuído, com sobreposição, baseado em densidade, em subespaços de atributos, bi-agrupamentos e validação de agrupamento. No contexto de detecção de outliers, os tópicos de interesse incluem combinações de detectores (ensembles), validação de resultados de detecção não supervisionada e métodos computacionalmente escaláveis, dentre outros. No que se refere a domínios de aplicação, o projeto possui enfoque em ferramentas matemáticas e computacionais de propósito geral, mas parte das pesquisas poderão envolver domínios específicos, como, por exemplo, análise de dados de expressão gênica em bioinformática. (AU)

Publicações científicas (5)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
PADILHA, VICTOR A.; CAMPELLO, RICARDO J. G. B. A systematic comparative evaluation of biclustering techniques. BMC Bioinformatics, v. 18, JAN 23 2017. Citações Web of Science: 19.
CAMPOS, GUILHERME O.; ZIMEK, ARTHUR; SANDER, JORG; CAMPELLO, RICARDO J. G. B.; MICENKOVA, BARBORA; SCHUBERT, ERICH; ASSENT, IRA; HOULE, MICHAEL E. On the evaluation of unsupervised outlier detection: measures, datasets, and an empirical study. DATA MINING AND KNOWLEDGE DISCOVERY, v. 30, n. 4, p. 891-927, JUL 2016. Citações Web of Science: 82.
HORTA, DANILO; CAMPELLO, RICARDO J. G. B. Comparing Hard and Overlapping Clusterings. JOURNAL OF MACHINE LEARNING RESEARCH, v. 16, p. 2949-2997, DEC 2015. Citações Web of Science: 3.
NALDI, M. C.; CAMPELLO, R. J. G. B. Comparison of distributed evolutionary k-means clustering algorithms. Neurocomputing, v. 163, n. SI, p. 78-93, SEP 2 2015. Citações Web of Science: 18.
CAMPELLO, RICARDO J. G. B.; MOULAVI, DAVOUD; ZIMEK, ARTHUR; SANDER, JOERG. Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA, v. 10, n. 1 JUL 2015. Citações Web of Science: 79.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.