BDBComp
Parceria:
SBC
Uma Abordagem Multi-objetiva Hibrída para Seleção e Atribuição de Pesos a Características para Classificadores k-NN

Salomão S. MadeiroJoás E. SouzaCarmelo J. A. Bastos-FilhoAdriano L. I. de Oliveira

Seleção e atribuição de pesos às características de um classificador como o k-Nearest Neighbor (k-NN) influenciam diretamente o desempenho do classificador. A seleção manual pode se tornar inviável para bases de dados com uma grande quantidade de características (e.g. 100 características). Neste trabalho, é proposta uma nova abordagem para seleção de características por meio de um processo baseado em um algoritmo de inteligência de enxames multi-objetivo e mutação guiada. Para a atribuição de pesos é usada a técnica Cross-Searching Strategy Multi-Objective Particle Swarm Optimization (CSS-MOPSO). Os resultados obtidos nas simulações demonstram que a abordagem proposta neste trabalho é capaz de melhorar a precisão de um classificador k-NN em relação a outras abordagens propostas anteriormente.

http://www.lbd.dcc.ufmg.br/colecoes/enia/2009/008.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