Classificação de dados baseada em caminhada aleatória em redes

• Processo: 12/14217-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2012
• Data de Término da vigência: 31 de janeiro de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: Filipe Alves Neto Verri
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Inteligência artificial Redes complexas Cadeias de Markov Classificação de dados Passeios aleatórios Metodologia e técnicas de computação
• Palavra(s)-Chave do Pesquisador: Cadeia de Markov | Caminhada Aleatória | Classificação de alto nível | Redes Complexas | Inteligência Artificial

Resumo

Através da representação computacional, as técnicas de aprendizado de máquina podem gerar modelos capazes de organizar o conhecimento existente ou ainda imitar o comportamento de um especialista humano nos domínios considerados. Técnicas tradicionais de classificação consideram apenas características físicas dos dados, tais como distância, similaridade ou densidade. Estes classificadores são chamados de classificadores de baixo nível. Muitas vezes a observação destas características não é suficiente para classificar corretamente os dados. Outras técnicas atuais consideram também as características da formação de padrões, que têm significados semânticos, estas técnicas são chamadas de classificadores de alto nível. A classificação de alto nível resolve diversos problemas, como o reconhecimento de padrões invariantes. Neste projeto, é proposto o desenvolvimento de um classificador de alto nível baseado em redes utilizando medidas relacionadas à caminhada aleatória. Este classificador deverá ser capaz de analisar, além das características físicas dos dados, as características de formações de padrões a que eles pertencem.(AU)