dc.contributor.author | Bruzzone, Lucas Ricardo Duarte | |
dc.date.accessioned | 2023-11-29T13:10:37Z | |
dc.date.available | 2023-11-29T13:10:37Z | |
dc.date.issued | 2023-10-06 | |
dc.identifier.citation | BRUZZONE, Lucas Ricardo Duarte. EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados. 2023. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18959. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/18959 | |
dc.description.abstract | The study addresses novelty detection in data streams, emphasizing the significance of this task in high-volume and high-velocity information environments. It proposes substantial improvements to the EFuzzCND algorithm, leading to the development of EIFuzzCND. These enhancements encompass an incremental approach, a reduction in dependence on true labels, and the implementation of the Incremental Confusion Matrix. Experiments validate the efficacy of EIFuzzCND across diverse scenarios, and result analysis underscores its capability to handle specific challenges, such as sudden concept shifts. The work contributes to advancing novelty detection in data streams by providing an innovative and practical approach, concluding with recommendations for future research. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/br/ | * |
dc.subject | Novelty detection algorithm | eng |
dc.subject | Streaming data classification | eng |
dc.subject | Concept drift detection methods | eng |
dc.subject | Outlier detection in data streams | eng |
dc.subject | Cluster-based anomaly detection | eng |
dc.title | EIFuzzCND: uma estratégia incremental para classificação multiclasse e detecção de novidades em fluxos de dados | por |
dc.title.alternative | EIFuzzCND: an incremental strategy for multiclass classification and novelty detection in data streams | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Camargo, Heloisa de Arruda | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0487231065057783 | por |
dc.description.resumo | O trabalho aborda a detecção de novidades em fluxos de dados, destacando a importância dessa tarefa em ambientes de grande volume e alta velocidade de informações. Ele propõe melhorias significativas no algoritmo EFuzzCND, resultando no desenvolvimento do EIFuzzCND. As melhorias incluem uma abordagem incremental, redução da dependência de rótulos verdadeiros e a implementação da Matriz de Confusão Incremental. Os experimentos validam a eficácia do EIFuzzCND em diferentes cenários, e a análise dos resultados destaca sua capacidade de lidar com desafios específicos, como mudanças súbitas de conceito. O trabalho contribui para o avanço na detecção de novidades em fluxos de dados, oferecendo uma abordagem inovadora e prática, concluindo com sugestões para pesquisas futuras. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/9561938938091496 | por |