Navegar por:

Programação genética baseada em árvores para classificação com uma classe com ênfase na geração de anomalias

Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/1884/26537
Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSpinosa, Eduardo Jaques, 1974--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática-
Autor(es): dc.creatorCabral, Rafael da Veiga-
Data de aceite: dc.date.accessioned2025-09-01T12:23:12Z-
Data de disponibilização: dc.date.available2025-09-01T12:23:12Z-
Data de envio: dc.date.issued2024-11-03-
Data de envio: dc.date.issued2024-11-03-
Data de envio: dc.date.issued2011-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/26537-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/26537-
Descrição: dc.descriptionOrientador: Prof. Dr. Eduardo J. Spinosa-
Descrição: dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 29/08/2011-
Descrição: dc.descriptionBibliografia: fls.90-94-
Descrição: dc.descriptionResumo: A PG (Programação Genetica) e aplicada com sucesso em Classicação. Entretanto, a pesquisa voltada a aplicação de PG para OCC (One-Class Classication) encontra-se em estagios iniciais, pois os poucos trabalhos relacionados existentes estão repletos de mudancas que não foram individualmente avaliadas e cujos propositos estão em resolver problemas provenientes do metodo de geracão de anomalias empregado e tambem na redução do tempo computacional da etapa de treino. Nesse contexto, e notavel que para tornar a PG em algoritmo de excelência para OCC o primeiro passo e avaliar sua abordagem convencional para o problema, algo que ainda no foi realizado, e objetivo central do presente trabalho, pois a introdução de novas ideias somente se justica ao se conhecer as limitações e os resultados obtidos pelo algoritmo convencional. Contudo, a aplicação de PG para OCC requer que o problema seja transformado em classicação binaria, cujas duas classes que compõem o conjunto de dados de treino são compostas por exemplos de perl normal e anormal. Porem, em diversos problemas de OCC e impraticavel obter exemplos anormais, por isto neste trabalho enfatiza-se a avaliacão de algoritmos para gerar exemplos anormais, algo que tambem ainda não foi realizado para PG. Entre os algoritmos de geração de anomalia estudados, selecionou-se o metodo pro- posto por Banhalmi et al. [6] que baseia-se em exemplos mais distantes da classe normal, o algoritmo baseado no conceito de hiperesfera proposto por Tax e Duin [38] e a tecnica RNS (Real-valued Negative Selection) inspirada em sistemas imunologicos proposta por Gonzales et al. [19] [20]. Um estudo comparativo entre eles foi realizado, para avaliar o desempenho de classicação obtido por um classicador induzido por PG convencio- nal sob uma abordagem de classicacão binaria. Vericou-se que o metodo proposto por Banhalmi et al. possibilitou a obtencão dos melhores resultados. O algoritmo de geracão de anomalias com melhor avaliacão foi empregado aos demais experimentos do presente trabalho, entre eles, um estudo comparativo entre a PG pro- posta no presente trabalho e as abordagens da literatura para OCC. Nesse experimento, vericou-se que a PG proposta neste trabalho obteve melhores resultados de classicacão em dois problemas OCC, em outros três obteve desempenho similar e em um deles foi in- ferior. Portanto, atesta-se a hipotese de que e possvel resolver OCC usando um algoritmo de PG convencional utilizando o algoritmo adequado para geracão de anomalias. O impacto de certos parâmetros da PG tambem foi avaliado. Entre eles o tamanho da populacão, que apresentou maior impacto no desempenho de classicacão em um problema OCC comparado a diferentes ajustes no tamanho da arvore e na taxa de mutacão. Alem disso, diferentes funcões de aptidão tambem foram experimentadas. Vericou-se que a funcão composta pela media das taxas individuais de acerto em cada classe apresentou melhor desempenho de classicacão OCC quando comparada ao uso da metrica AUC (Area Under the Receiver Operation Characteristic Curve). A taxa WMW (Wilcoxon- Mann-Whitney), considerada um estimador da AUC com custo computacional inferior, tambem foi aplicada como funcão de aptidão e apresentou resultado semelhante ao uso da AUC.-
Descrição: dc.descriptionAbstract: Genetic Programming (GP) has been successfully applied to classification problems. Howe- ver, there are only a few works related to applying GP for One-Class Classification (OCC) and these approaches introduce several changes in order to cope with issues related to the anomaly generation approach employed and also for decreasing the GP training time. In addition to that, the impact of each of these features was not properly assessed yet. In this context, it is notable that for turning GP into leading approach for OCC a rst step is needed, which is to assess the standard GP algorithm, something that has not yet been done and is the main objective in the present work. Thus, introducing new ideas is acceptable whenever results and limitations of the standard approach is known. Nevertheless, in order to solve OCC by GP, the problem must be transformed to binary classification with a training dataset composed of two classes: one representing normal samples and another composed of anomaly samples. However, since it is impractical to obtain anomaly samples for many OCC problems, the present work emphasizes the evaluation of anomaly samples generation algorithms, something that has also not been done for GP yet. Among the anomaly detection methods studied, three were selected for comparison: the algorithm proposed by Banhalmi et al. [6], based on normal class distribution boun- dary, the algorithm based on the hypersphere concept proposed by Tax and Duin [38] and the Real-valued Negative Selection (RNS) technique inspired by immune systems and pro- posed by Gonzales et al. [19] [20]. The classification performance obtained by pplying these techniques with GP for OCC was compared and the best results were achieved using the method based on the normal class distribution proposed by Banhalmi et al, which was also employed for the other experiments in the present work. Experiments were performed in order to compare the standard GP approach proposed in this work with the state of the art GP algorithm for OCC. According to our results, the proposed technique performed better in two OCC problems and achieved similar results in three others, performing worse in only one OCC problem. Therefore, the present work demonstrates that the hypothesis that a standard GP approach with an appropriated anomaly generation method can achieve competitive results in solving the OCC problem is true. The influence of some GP configuration parameters was also assessed. The population size had a stronger impact on the classification performance in one OCC problem than the tree size and the mutation rate. Moreover, different GP fitness functions were also evaluated. The function composed of individual class classification rates achieved the best OCC classification performance when compared to the Area Under the Receiver Operation Characteristic Curve (AUC). The ilcoxon-Mann-Whitney (WMW) metric, which is considered to be an AUC estimator with lower computational cost, was also evaluated as fitness function and its results were similar to those of the AUC.-
Formato: dc.format94f. : il., grafs., tabs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Relação: dc.relationDisponível em formato digital-
Palavras-chave: dc.subjectProgramação genética (Computação)-
Palavras-chave: dc.subjectAlgorítmos genéticos-
Palavras-chave: dc.subjectClassificação (Computadores)-
Palavras-chave: dc.subjectCiência da computação-
Título: dc.titleProgramação genética baseada em árvores para classificação com uma classe com ênfase na geração de anomalias-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.
Mostrar registro simples do item Visualizar estatísticas

Avaliação