BDBComp
Parceria:
SBC
Seleção de características apoiada por mineração visual de dados

Glenda Michele BotelhoJoão Batista Neto

A seleção de características é fundamental para minimizar os problemas causados pela alta dimensionalidade. Existem diversos métodos tradicionais de seleção que se baseiam em análises estatísticas dos dados ou redes neurais. Nestes, a qualidade do subconjunto selecionado é dada por meio de alguma função critério. Este trabalho propõe a inclusão de técnicas de Mineração Visual de Dados, particularmente a projeção de dados multidimensionais, para apoiar o processo de seleção. Os resultados mostram que a técnica é capaz de prover boa redução no espaço de característica, ao mesmo tempo que mantém a capacidade de discriminação. A qualidade dos subconjuntos selecionados é comprovada tanto quantitativamente pela medida de silhueta quanto pela qualidade visual das projeções obtidas.

http://www.lbd.dcc.ufmg.br/colecoes/wvc/2010/0013.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD