Nuvem De Partículas Aplicada À Seleção De Atributos – Viviane Dal Molin De Souza

Nuvem De Partículas Aplicada À Seleção De Atributos – Viviane Dal Molin De Souza
Acessar

Resumo:

O algoritmo de otimização através de nuvem de partículas (PSO) é uma técnica metaheurística desenvolvida recentemente e pertence a categoria de técnicas inteligentes baseadas em enxames. Os enxames inteligentes são conceitos inspirados no comportamento social dos animais; tais como em enxames de aves; peixes e formigas. O PSO é um algoritmo que explora a população com base nem uma população de indivíduos com buscas promissoras nas regiões da pesquisa espacial. O indivíduo é afetado pelo comportamento do melhor local ou pelo comportamento dos melhores globais individuais. O desempenho de cada indivíduo é medido usando uma função de fitness; semelhante aos algoritmos evolutivos. A população é tratada como um enxame ou nuvem e os indivíduos são nomeados de partículas. As partículas deslocam-se em um espaço multi-dimensional de pesquisa com velocidade adaptável. No PSO; as partículas lembram a melhor posição no passado e a melhor posição nunca alcançada pelas partículas. Esta propriedade ajuda as partículas na busca espacial multi-dimensional; deixando-a mais rápida. PSO pode ser útil em uma ampla variedade de tarefas de otimização e em muito domínios; tais como: a função de otimização não linear; formação de redes neurais artificiais; design de sistemas fuzzy; programação de problemas; problema do caixeiro viajante; entre outros. Devido a sua habilidade natural de convergir rapidamente; o algoritmo PSO é também utilizado para resolver problemas de otimização multiobjetivo. Vários problemas envolvem otimização simultânea de múltiplos objetivos que muitas vezes são concorrentes. Em um problema de otimização multiobjetivo; pode não existir a melhor solução no que diz respeito a todos os objetivos. Normalmente; o objetivo é determinar a superfície de busca; que é um conjunto de pontos não dominados da solução; conhecida como Pareto-ótima. Levando em consideração que nenhuma das soluções do conjunto não dominado é melhor que qualquer outra solução; qualquer uma das soluções é aceitável. A escolha de uma solução requer um conhecimento de uma série de fatores relacionados ao problema. Recentemente; foram realizadas muitas tentativas para aplicar as abordagens do PSO em descoberta de conhecimento em bases de dados (KDD – Knowledge Discovery in Databases). O processo de KDD é composto pelas seguintes etapas: sleção da base de dados; seleção de atributos; pré-processamento dos dados; mineração de dados e pós-processamento. O objetivo desta dissertação é a seleção de atributos usando a abordagem de PSO baseada em otimização multiobjetivo e variáveis inteiras para a seleção e avaliação dos atributos selecionados. Além disso; esta dissertação apresenta igualmente uma análise de influência na seleção de atributos em uma tarefa de data mining. A proposta do método de seleção de atributos utilizando abordagem de PSO baseada em otimização multiobjetivo foi avaliada em dez bases de dados obtidas no repositório de dados da UCI (Machine Learning Repository – University of California Irvine). Neste contexto; o problema multiobjetivo resolvido pelo PSO considerou dois objetivos diferentes: i) minimizar a taxa de erro e ii) minimizar o tamanho das árvores obtidas pelo algoritmo C4.5. Além disso; o algoritmo foi definido como critério para a comparação das soluções encontradas pelo PSO com abordagem multiobjetivo. Os resultados encontrados mostraram que a proposta de abordagem PSO encontrou soluções melhores do que a solução completa (solução com todos os atributos); em seis das dez bases de dados da UCI. Além disso; a qualidade dos resultados obtidos pela simulação PSO foi semelhante à solução completa em duas bases de dados; mas em outras duas bases de dados; a solução apresentada pelo PSO foram piores que a solução completa.

Detalhes:

  • Categoria: Teses e dissertações
  • Instituição: PUC/PR/ENGENHARIA DE PRODUÇÃO E SISTEMAS
  • Área de Conhecimento: ENGENHARIA DE PRODUÇÃO
  • Nível: Mestrado
  • Ano da Tese: 2008
  • Tamanho: 737.62 KB
  • Fonte: Portal Domínio Público

Faça download do ebook em PDF:

Recomendamos para você

Abaixo você vai encontrar uma lista de livros que na nossa opinião podem ser interessantes para você.

São itens relacionados a esta oferta que você provavelmente vai gostar. Dá uma olhada! 👌

Termos relacionados

  • livro Nuvem De Partículas Aplicada À Seleção pdf
  • livro Nuvem De Partículas Aplicada À Seleção baixar
  • livro Nuvem De Partículas Aplicada À Seleção epub
  • livro Nuvem De Partículas Aplicada À Seleção comprar
  • livro Nuvem De Partículas Aplicada À Seleção online
  • livro Nuvem De Partículas Aplicada À Seleção mobi
  • livro Nuvem De Partículas Aplicada À Seleção download