Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 618
Aluno: Paulo Roger Gomes Cordeiro
Orientador: Prof. George Darmiton da Cunha Cavalcanti
Coorientador: Prof. Rafael Menelau Oliveira e Cruz (École de Technologie Supérieure)
Título: Uma abordagem para pós-seleção de ensembles utilizando conceitos de
Oráculo e Multi-view Learning
Data: 06/02/2024
Hora/Local: 9h – Centro de Informática – Anfiteatro
Banca Examinadora:
Prof. Tsang Ing Ren (UFPE / Centro de Informática)
Prof. Adiel Teixeira de Almeida Filho (UFPE / Centro de Informática)
Prof. Rafael Ferreira Leite de Mello (UFRPE / Departamento de Computação)
Prof. João Fausto Lorenzato de Oliveira (UPE / Escola Politécnica de Pernambuco)
Prof. Luiz Eduardo Soares de Oliveira (UFPR / Departamento de Informática)
RESUMO:
Os Sistema de múltiplos classificadores (SMC) foram desenvolvidos como
alternativa às abordagens tradicionais que utilizam classificadores
individuais. Entre as abordagens de SMC, os algoritmos de Seleção dinâmica
de ensemble (SDE) destacam-se por apresentarem melhor desempenho em
diversos cenários. Contudo, mesmo com os resultados promissores das
abordagens de SDE, dada a heterogeneidade dos cenários de aplicação, é
improvável que um único algoritmo SDE seja a solução ideal em todos os
casos. É diante dessa lacuna que este trabalho propõe um novo método
denominado Post-Selection Dynamic Ensemble Selection (OS DES). O PS-DES
atua como uma estratégia de pós-seleção, avaliando e escolhendo os melhores
ensembles selecionados por diferentes técnicas de SDE, para cada amostra
apresentada. Para avaliar os ensembles é proposta uma nova medida
denominada Hardness-aware Oracle (HaO). Ao contrário da avaliação
tradicional, aplicada em técnicas SDE que é centrada em classificadores
individuais, o HaO estende o conceito do Oráculo ao analisar como os
classificadores do ensemble selecionado cooperam entre si. Também é
proposto adicionar uma nova camada ao PS-DES, visando gerar mais
diversidade ao sistema, utilizando conceitos de Multi-view learning (MVL)
ao aplicar diversas funções de transformação nos dados originais. Essa
versão do PS-DES é chamada de Post-Selection Dynamic Ensemble Selection
with Multi-View Learning (PS-DES-MVL). Para avaliar as abordagens
propostas, foram realizados experimentos em 30 bases de dados, utilizando
configurações de pools homogêneas e heterogêneas com três
classificadores-base (Perceptron, Logistic Regression e Naive Bayes),
avaliando o OS DES com quatro abordagens de SDE estabelecidas na
literatura. A avaliação do PS-DES-MVL segue o mesmo arranjo experimental
apresentado para o PS-DES, adicionando a aplicação de técnicas de geração
de views. Os resultados demonstraram que o PS-DES supera ou obtém
resultados similares às abordagens SDE individuais, principalmente em
configurações de pools heterogêneos. Além disso, o PS-DES demonstrou
eficiência na escolha de técnicas SDE adequadas a diferentes situações. O
PS-DES-MVL, ao avaliar formas individuais de geração de views, obteve
resultados similares ou superiores na maior parte das análises.
Palavras-chave: Pós-seleção. Sistema de múltiplos classificadores. Seleção
dinâmica de ensembles, Multi-view Learning.
Comentários desativados