Você está aqui: Página Inicial / Pós-Graduação / Informática / Temas de Pesquisa / Temas de pesquisa 2020.1 / Métodos de agrupamento difuso multivariado para seleção de variáveis

Métodos de agrupamento difuso multivariado para seleção de variáveis

Prof. Dr. Bruno Pimentel

Resumo:

Aprendizagem de Máquina possui diversos métodos que buscam reconhecer padrões dos dados. De acordo como cada método encontra os padrões, eles podem ser supervisionados ou não-supervisionados. Os supervisionados dependem de rótulos nos dados e obtê-los pode ser custoso ou nem sempre está disponível. Portanto a abordagem não-supervisionada surge como uma alternativa. Estes, por sua vez, podem ser métodos de agrupamento rígidos ou difusos. Estes mostram obter mais desempenho em dados com classes sobrepostas, mas não indicam quão bem uma variável foi influente na classificação, surgindo assim a abordagem multivariada. A partir dessa abordagem, variáveis possuem importância, o que pode ser explorada em um seletor de variáveis. Entretendo, nenhum estudo foi feito a respeito da seleção. Portanto, a proposta desse projeto é usar a abordagem multivariada como ferramenta para seleção de variáveis.

 

Referências bibliográficas:

[1] Pimentel, B. A., & De Souza, R. M. (2013). A multivariate fuzzy c-means method. Applied Soft Computing, 13(4), 1592-1607.

[2] Pimentel, B. A., de Souto, M. C., & de Souza, R. M. (2017, May). Interpreting multivariate membership degrees of fuzzy clustering methods: A strategy. In 2017 International Joint Conference on Neural Networks (IJCNN) (pp. 2800-2804). IEEE.