Metaheurísticas para a identificação de ruído de classe em problemas de classificação

• Processo: 15/00741-6
• Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Vigência (Início): 01 de maio de 2015
• Vigência (Término): 11 de junho de 2015
• Área do 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 no Exterior: Stan Matwin
• Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Local de pesquisa : Dalhousie University, Halifax, Canadá
• Vinculado à bolsa: 11/14602-7 - Detecção e eliminação de ruídos para problemas de classificação, BP.DD
• Assunto(s): Aprendizado computacional Ruído Coleta de dados Meta-heurística

Resumo

O sucesso da aplicação de técnicas de aprendizado de máquina em conjuntos de dados de diversas áreas requer esforços consideráveis para a identificação e tratamento de dados ruidosos. Informações ruidosas são um problema frequente e remete principalmente a coleta, transmissão e armazenamento. A presença desse tipo de informação nos conjuntos de dados podem afetar a complexidade da tarefa de classificação, tornando a descrição dos objetos de diferentes classes mais difícil, e necessitando de bordas de separação mais complexas para os modelos de classificação. Nesse projeto, nós vamos estudar os efeitos dos ruídos na complexidade de problemas de classificação utilizando medidas baseadas em geometria e estatística extraídas dos conjuntos de dados. Esses índices sensíveis a presença de ruído podem ser uteis para a propor meta-heurísticas capazes de identificar ruído em problemas de classificação. (AU)