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

• Processo: 16/50457-5
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de junho de 2017
• Data de Término da vigência: 31 de maio de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Acordo de Cooperação: University of Surrey
• Proposta de Mobilidade: SPRINT - Projetos de pesquisa - Mobilidade
• Pesquisador responsável: Ricardo Cerri
• Beneficiário: Ricardo Cerri
• Pesquisador Responsável no exterior: YAOCHU JIN
• Instituição Parceira 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
• Município da Instituição Sede: São Carlos
• 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
• Palavra(s)-Chave do Pesquisador: Computacao

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

(5)

(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)

MIRANDA, THIAGO ZAFALON; SARDINHA, DIORGE BROGNARA; CERRI, RICARDO. Preventing the generation of inconsistent sets of crisp classification rules. EXPERT SYSTEMS WITH APPLICATIONS, v. 165, MAR 1 2021. (16/50457-5)

PEREIRA, GEAN TRINDADE; GABRIEL, PAULO. H. R.; CERRI, RICARDO; LOPEZIBANEZ, M. A Lexicographic Genetic Algorithm for Hierarchical Classification Rule Induction. PROCEEDINGS OF THE 2019 GENETIC AND EVOLUTIONARY COMPUTATION CONFERENCE (GECCO'19), v. N/A, p. 9-pg., 2019-01-01. (15/14300-1, 16/50457-5)

PEREIRA, GEAN TRINDADE; GABRIEL, PAULO H. R.; CERRI, RICARDO; OLIVEIRA, PM; NOVAIS, P; REIS, LP. Hierarchical Classification of Transposable Elements with a Weighted Genetic Algorithm. PROGRESS IN ARTIFICIAL INTELLIGENCE, EPIA 2019, PT I, v. 11804, p. 13-pg., 2019-01-01. (16/50457-5, 15/14300-1)

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. (16/50457-5, 15/14300-1)

MIRANDA, THIAGO ZAFALON; SARDINHA, DIORGE BROGNARA; BASGALUPP, MARCIO PORTO; JIN, YAOCHU; CERRI, RICARDO. Generation of Consistent Sets of Multi-Label Classification Rules with a Multi-Objective Evolutionary Algorithm. PROCEEDINGS OF THE 2020 GENETIC AND EVOLUTIONARY COMPUTATION CONFERENCE COMPANION, GECCO 2020 COMPANION, v. N/A, p. 2-pg., 2020-01-01. (16/50457-5)