Medidas de complexidade para a identificação de ruído em problemas de classificação

• Processo: 13/20983-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 20 de março de 2014
• Data de Término da vigência: 19 de setembro de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Luís Paulo Faina Garcia
• Supervisor: Francisco Herrera
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Universidad de Granada (UGR), Espanha
• Vinculado à bolsa: 11/14602-7 - Detecção e eliminação de ruídos para problemas de classificação, BP.DD
• Assunto(s): Aprendizado computacional Controle de ruídos
• Palavra(s)-Chave do Pesquisador: Identificação e remoção de ruídos | Medidas de Complexidade | Problemas de Classificação | Aprendizado de Máquina

Resumo

Diversas áreas do conhecimento tem gasto um tempo considerável compreendendo e tratando dados ruidosos, um dos problemas mais comuns quando nos referimos a coleta, transmissão e armazenamento da informação. No âmbito da computação, esses se fazem presente principalmente nos dados reais coletados dos sistemas de armazenamento, aparecendo em altas taxas. Esses dados ruidosos, quando utilizados na indução de classificadores por técnicas de Aprendizado de Máquina, aumentam a complexidade da hipótese obtida, bem como seu tempo de indução, além de poder piorar sua acurácia. No escopo de problemas de classificação, os ruídos ainda são estratificados e tratados em duas linhas distintas: ruídos em atributos preditivos e ruídos em atributo alvo. Tratá-los, pode significar uma melhora da qualidade dos dados. Nesse contexto, a proposta central desse trabalho é o estudo de medidas de complexidade capazes de reconhecer padrões ruidosos que pode significar a possibilidade de criar ferramentas por meio de buscas baseadas em meta-heurísticas. (AU)