Otimização por nuvem de partículas multiobjetivo no aprendizado indutivo de regras : extensões e aplicações

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRamirez Pozo, Aurora Trinidad, 1959--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática-
Autor(es): dc.creatorCarvalho, André Britto de-
Data de aceite: dc.date.accessioned2025-09-01T11:29:51Z-
Data de disponibilização: dc.date.available2025-09-01T11:29:51Z-
Data de envio: dc.date.issued2024-11-03-
Data de envio: dc.date.issued2024-11-03-
Data de envio: dc.date.issued2009-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/23718-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/23718-
Descrição: dc.descriptionOrientadora: Profª Drª Aurora Pozo-
Descrição: dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 18/02/2009-
Descrição: dc.descriptionBibliografia: fls. 105-110-
Descrição: dc.descriptionResumo: A área da Mineraçãoo de Dados (MD), ou Data Mining, consiste em analisar uma grande quantidade de dados buscando-se identificar associações e relações entre os dados que não são conhecidas a priori. Nesta área há uma necessidade por novas ferramentas e técnicas com a habilidade de ajudar software de forma inteligente na análise de grandes massas de dados. Neste sentido, algoritmos de Aprendizado de Máquina são as técnicas mais indicadas para estas aplicações. Para a representação do conhecimento extraído, regras são as formas mais utilizadas atualmente, devido a seu caráter intuitivo e simplicidade. O Aprendizado de Regras é uma técnica de Aprendizado de Máquina que têm o objetivo de produzir um conjunto de regras a partir de um conjunto de dados de entrada, que representam o conhecimento extraído. Além disso, o modelo gerado pode ser usado como um classificador. Este trabalho tem como objetivo o desenvolvimento de um algoritmo para o problema do Aprendizado de Regras no contexto da Mineração de Dados. Para isto, a técnica escolhida e a metaheurística Otimização por Nuvem de Partículas Multiobjetivo. Esta metaheurística é pouco explorada no Aprendizado de Regras e possui alguns problemas ainda sem solução. Assim, além do desenvolvimento do algoritmo, são propostas algumas soluções de problemas que surgem na aplicação da técnica MOPSO no Aprendizado de Regra. Neste trabalho, busca-se também produzir um bom classificador em termo da área abaixo da curva ROC, AUC. Para a validação do algoritmo e suas extensões é proposto um conjunto de experimentos, que comparam a técnica MOPSO com alguns algoritmos conhecidos da literatura. Por fim, o algoritmo é aplicado num estudo de caso do contexto da predição de defeitos em softwares.-
Descrição: dc.descriptionAbstract: Data mining is the overall process of extracting knowledge from data. In this context there is a significant need for tools and techniques with the ability to intelligently assist humans in analyzing very large collections of data in search of useful knowledge. In this sense, Machine Learning Algorithms play an important role and they are the most indicated techniques for these applications. In the study of how to represent knowledge in data mining context, rules are one of the most used representation form. Therefore, Rule Learning is a Machine Learning technique which has the goal to produce a rule set from the original dataset. Besides, the generated model can be used as a unordered classifer. This work has the goal to develop an algorithm to the Rule Learning problem in the Data Mining Context. For this, the chosen technique is the metaheuristic of Multiobjective Particle Swarm Optimization, that has some interest topics not studied yet and some problems without solution. So, along the algorithm implementation, this work proposes some extensions that solve problems that arise from the application of MOPSO technique in the rule induction. Besides, this work has the goal to produce a good classifier in terms of the area under the ROC curve, AUC. The algorithm and all the proposed extensions are evaluated through a set of experiments that compares the MOPSO technique with other well-known algorithms from the literature. Finally, is presente a study-case that applies the MOPSO algoritmo in the fault-proneness prediction context.-
Formato: dc.format110f. : il., grafs., tabs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Relação: dc.relationDisponível em formato digital-
Palavras-chave: dc.subjectInformática-
Palavras-chave: dc.subjectOtimização combinatoria-
Palavras-chave: dc.subjectParticulas-
Palavras-chave: dc.subjectAlgorítmos-
Palavras-chave: dc.subjectCiência da computação-
Título: dc.titleOtimização por nuvem de partículas multiobjetivo no aprendizado indutivo de regras : extensões e aplicações-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.