Previsão da quantidade de classes em classificação hierárquica multirrótulo

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBorges, Helyane Bronoski-
Autor(es): dc.contributorBorges, Helyane Bronoski-
Autor(es): dc.contributorRanthum, Geraldo-
Autor(es): dc.contributorAlmeida, Simone de-
Autor(es): dc.creatorSantos, Barbara Cristina dos-
Autor(es): dc.creatorAlmeida, Thissiany Beatriz-
Data de aceite: dc.date.accessioned2022-02-21T21:59:21Z-
Data de disponibilização: dc.date.available2022-02-21T21:59:21Z-
Data de envio: dc.date.issued2020-11-18-
Data de envio: dc.date.issued2020-11-18-
Data de envio: dc.date.issued2014-05-26-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/15928-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/665308-
Descrição: dc.descriptionMany Machine’s Learning classification problems are described in the literature associanting the classification of data with a belonging class to an finite set of classes, all at a same level. However, many classification problems are of hierarchical nature, in which classes may be subclasses or superclasses of other classes. In many hierarchical problems, one or more examples may be associated to more than one class simultaneously. Those problems are known as multi-label hierarchical classification problems. In this paper, the ML-kNN techniques used to address the prediction of multi-label problems, aiming to determine the number of classes that may be assigned to an example.-
Descrição: dc.descriptionMuitos dos problemas de classificação descritos na literatura de Aprendizagem de Máquina dizem respeito à classificação de dados em que cada exemplo é associado a uma classe pertencente a um conjunto finito de classes, todas em um mesmo nível. No entanto, vários problemas de classificação, são de natureza hierárquica, em que classes podem ser subclasses ou superclasses de outras classes. Em muitos problemas hierárquicos, um ou mais exemplos podem ser associados a mais de uma classe simultaneamente. Esses problemas são conhecidos como problemas de classificação hierárquica multirrótulo. Nesse trabalho, foi utilizada a técnica ML-kNN para a predição de problemas multirrótulos, visando determinar o número de classes que podem ser atribuídas a um exemplo.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Informática-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectHierarquias - Classificação-
Palavras-chave: dc.subjectPrevisão-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectHierarchies - Classification-
Palavras-chave: dc.subjectForecasting-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titlePrevisão da quantidade de classes em classificação hierárquica multirrótulo-
Título: dc.titleForecast of classes numbers in a hierarchical multi-label classification-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.