Busca avançada
Ano de início
Entree

Uso de meta-aprendizado para seleção de algoritmos em problemas de agrupamento

Processo: 17/20265-0
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de novembro de 2017
Vigência (Término): 30 de novembro de 2019
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:Bruno Almeida Pimentel
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
Assunto(s):Aprendizado computacional   Agrupamento de dados

Resumo

Agrupamento de dados é uma das principais tarefas de Aprendizado de Máquina. Existem várias técnicas de agrupamento de dados e diferentes problemas podem ser mais adequados para diferentes técnicas. A escolha de um algoritmo de forma não automatizada pode ser custosa e exige conhecimento aprofundado do problema e dos algoritmos. Desta forma, meta-aprendizado surge como uma ferramenta para automatizar o processo de seleção de algoritmos. A proposta desse projeto é investigar uma metodologia para seleção automática de algoritmos em problemas de agrupamento de dados usando meta-aprendizado.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
PIMENTEL, BRUNO ALMEIDA; DE CARVALHO, ANDRE C. P. L. F. A new data characterization for selecting clustering algorithms using meta-learning. INFORMATION SCIENCES, v. 477, p. 203-219, MAR 2019. Citações Web of Science: 1.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.