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

• Processo: 15/00741-6
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 01 de maio de 2015
• Data de Término da vigência: 11 de junho de 2015
• 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: Stan Matwin
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: 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
• Palavra(s)-Chave do Pesquisador: Identificação de ruído | Metaheurísticas | Problemas de Classificação | Aprendizado de Máquina

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)