Busca avançada
Ano de início
Entree

Multi-objective evolutionary methods for hierarchical and multi-label classification

Processo: 16/50457-5
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de junho de 2017 - 31 de maio de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Convênio/Acordo: University of Surrey
Proposta de Mobilidade: SPRINT - Projetos de pesquisa - Mobilidade
Pesquisador responsável:Ricardo Cerri
Beneficiário:Ricardo Cerri
Pesq. responsável no exterior: Yaochu Jin
Instituição no exterior: University of Surrey, Inglaterra
Instituição-sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
Vinculado ao auxílio:15/14300-1 - Classificação hierárquica de elementos transponíveis utilizando aprendizado de máquina, AP.R
Assunto(s):Aprendizado computacional  Classificação hierárquica multirrótulo  Otimização multiobjetivo  Cooperação internacional 

Resumo

Na classificação convencional, um exemplo pode ser classificado em apenas uma dentre duas ou mais classes. Esses problemas são conhecidos como problemas simples-rótulo. Entretanto, há problemas mais complexos nos quais exemplos podem ser classificados em duas ou mais classes simultaneamente. Esses são conhecidos na literatura de Aprendizado de Máquina como problemas de classificação multirrótulo. Quando as classes do problema estão organizadas em uma hierarquia, a tarefa é ainda mais desafiadora, sendo conhecida como classificação hierárquica. Muitas aplicações práticas são relacionadas a esses problemas, como a classificação de imagens, documentos, música, e a predição de funções de proteínas. Essas tarefas são muito desafiadoras devido à dificuldade em se considerar os relacionamentos entre as muitas classes durante o treinamento. Adicionalmente, o desbalanceamento dos conjuntos de dados prejudica os desempenhos dos classificadores propostos. Devido à alta dimensionalidade do espaço de possíveis classes, propomos nesse projeto o desenvolvimento de métodos evolucionários multiobjetivo para a geração de regras de classificação hierárquicas e multirrótulo. As regras geradas devem satisfazer requisitos de interpretabilidade e desempenho. Os métodos propostos serão comparados com métodos estado-da-arte na literatura, usando conjuntos de dados de bioinformática. A avaliação será feita utilizando medidas especificamente propostas para problemas hierárquicos e multirrótulo. (AU)

Publicações científicas
(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)
CERRI, RICARDO; BASGALUPP, MARCIO P.; BARROS, RODRIGO C.; DE CARVALHO, ANDRE C. P. L. F. Inducing Hierarchical Multi-label Classification rules with Genetic Algorithms. APPLIED SOFT COMPUTING, v. 77, p. 584-604, APR 2019. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.