Classificação de Dados em Redes Complexas

• Processo: 09/02985-9
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de agosto de 2009
• Data de Término da vigência: 30 de abril de 2011
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: Lilian Berton
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Classificação de dados Inteligência artificial Redes complexas
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificação de Dados | Pureza e Extensão | Rede K-associada | Redes Complexas | Inteligência Artificial

Resumo

Recentemente, com o aumento do poder computacional e a disponibilidade de dados sobre redes reais, as redes complexas surgiram como uma nova e poderosa maneira de representação e abstração de dados capaz de capturar as relações espaciais, topológicas, funcionais, entre outras características presentes em muitas bases de dados. Dentre as várias abordagens para a análise de dados, destacam-se a classificação e a clusterização. A classificação de dados permite atribuir uma qualidade (classe) aos dados, baseado nas características de seus atributos. Já a clusterização é indicada para explorar a estrutura dos dados, como grupos ou hierarquias entre grupos, cujas classes não são previamente conhecidas. Métodos de clusterização baseados em redes complexas, também conhecidos como detecção de comunidades, têm sido extensivamente explorados na literatura. Por outro lado, a classificação de dados baseada em redes complexas ainda é pouco estudada. Tendo em vista os benefícios da representação de grandes bases de dados e a revelação de estruturas topológicas por meio de redes complexas, o presente projeto prevê o desenvolvimento de métodos de classificação de dados baseados em redes complexas. A abordagem que será considerada é inspirada em um classificador que usa uma rede K-associada, a qual é capaz de representar relações de similaridade entre classes de dados via extração da medida de pureza de cada componente da rede construída. Na nova técnica de classificação de dados a ser desenvolvida, considera-se não apenas o fator de pureza de cada classe, mas também extensões de classes formadas. Observe que os dois fatores são contraditórios, pois o aumento da pureza tende a diminuir a extensão da classe e vice-versa. Uma boa classificação sobre um conjunto de dados de entrada busca o equilíbrio entre pureza e extensão, ou seja, procura otimizar uma função que reúne ambos. Espera-se que a técnica a ser desenvolvida tenha um bom desempenho de generalização e ao mesmo tempo possua boa precisão de classificação. Por fim a nova abordagem será aplicada em bioinformática para identificação de splice junctions.

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

BERTON, Lilian. Caracterização de classes e detecção de outliers em redes complexa. 2011. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.