Meta-aprendizagem aplicada à classificação de dados de expressão gênica

Autor(es)

Bruno Feres de Souza

• Tipo de documento: Tese de Doutorado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB)
• Data de defesa: 2010-10-26

Membros da banca

André Carlos Ponce de Leon Ferreira de Carvalho; Ricardo Bastos Cavalcante Prudêncio; Ivan Nunes da Silva; Carlos Manuel Milheiro de Oliveira Pinto Soares; Fernando José von Zuben

• Orientador: André Carlos Ponce de Leon Ferreira de Carvalho; Carlos Manuel Milheiro de Oliveira Pinto Soares

Resumo

Dentre as aplicações mais comuns envolvendo microarrays, pode-se destacar a classificação de amostras de tecido, essencial para a identificação correta da ocorrência de câncer. Essa classificação é realizada com a ajuda de algoritmos de Aprendizagem de Máquina. A escolha do algoritmo mais adequado para um dado problema não é trivial. Nesta tese de doutorado, estudou-se a utilização de meta-aprendizagem como uma solução viável. Os resultados experimentais atestaram o sucesso da aplicação utilizando um arcabouço padrão para caracterização dos dados e para a construção da recomendação. A partir de então, buscou-se realizar melhorias nesses dois aspectos. Inicialmente, foi proposto um novo conjunto de meta-atributos baseado em índices de validação de agrupamentos. Em seguida, estendeu-se o método de construção de rankings kNN para ponderar a influência dos vizinhos mais próximos. No contexto de meta-regressão, introduziu-se o uso de SVMs para estimar o desempenho de algoritmos de classificação. Árvores de decisão também foram empregadas para a construção da recomendação de algoritmos. Ante seu desempenho inferior, empregou-se um esquema de comitês de árvores, que melhorou sobremaneira a qualidade dos resultados (AU)

• Processo FAPESP: 06/06714-1 - Meta-aprendizagem aplicada a classificacao de dados de expressao genica.
• Beneficiário: Bruno Feres de Souza
• Modalidade de apoio: Bolsas no Brasil - Doutorado