Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Papa, João Paulo | - |
Autor(es): dc.creator | Martarelli, Rafael Junqueira | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:03:58Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:03:58Z | - |
Data de envio: dc.date.issued | 2024-04-26 | - |
Data de envio: dc.date.issued | 2024-04-26 | - |
Data de envio: dc.date.issued | 2024-02-22 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/255346 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/255346 | - |
Descrição: dc.description | A era atual da tecnologia da informação trouxe um dilúvio de dados sem precedentes, abrangendo diversas áreas, desde pesquisa científica até negócios e vida cotidiana. No entanto, a análise manual de volumes tão massivos torna-se inviável, criando a necessidade de soluções de aprendizado de máquina, como algoritmos de classificação. Embora muitos desses algoritmos tenham sido desenvolvidos, avaliar sua qualidade é multifacetado, envolvendo diversas métricas. Dada a complexidade, a formação de comitês de classificadores, onde vários classificadores trabalham juntos, se apresenta como uma solução eficaz, mas requer a escolha adequada dos classificadores e funções de combinação de predições. A programação genética, uma técnica de otimização baseada em algoritmos genéticos, surge como uma abordagem inovadora para encontrar a configuração ideal desses comitês e funções de combinação de predições, buscando maximizar o desempenho, enquanto reduz a necessidade de experimentação manual dispendiosa. A dissertação busca contribuir para o avanço do campo de aprendizado de máquina, enfrentando os desafios da análise de dados em grande escala e promovendo melhorias significativas nas classificações por meio da programação genética. | - |
Descrição: dc.description | The current era of information technology has brought an unprecedented deluge of data, spanning various areas from scientific research to business and everyday life. However, manually analyzing such massive volumes becomes impractical, creating the need for machine learning solutions, like classification algorithms. Although many of these algorithms have been developed, evaluating their quality is multifaceted, involving various metrics. Given the complexity, the formation of classifier committees, where multiple classifiers work together, presents as an effective solution, but it requires the appropriate choice of classifiers and prediction combination functions. Genetic programming, an optimization technique based on genetic algorithms, emerges as an innovative approach to finding the optimal configuration of these committees and prediction combination functions, aiming to maximize performance while reducing the need for costly manual experimentation. The dissertation seeks to contribute to the advancement of the machine learning field, tackling the challenges of large-scale data analysis and promoting significant improvements in classifications through genetic programming. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | 2021/02023-4 | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
Palavras-chave: dc.subject | Classificadores | - |
Palavras-chave: dc.subject | Otimização | - |
Palavras-chave: dc.subject | Seleção de classificadores | - |
Palavras-chave: dc.subject | Funções de combinação de predições | - |
Palavras-chave: dc.subject | Programação genética | - |
Palavras-chave: dc.subject | Classifiers | - |
Palavras-chave: dc.subject | Optimization | - |
Palavras-chave: dc.subject | Classifier selection | - |
Palavras-chave: dc.subject | Prediction combination functions | - |
Palavras-chave: dc.subject | Genetic programming | - |
Título: dc.title | Estratégias para seleção de classificadores baseadas em programação genética para reconhecimento de dados multimídia | - |
Título: dc.title | Strategies for classifier selection based on genetic programming for multimedia data recognition | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: