Mostrar el registro sencillo del ítem
Aprendizado supervisionado incremental de redes bayesianas para mineração de dados
dc.contributor.author | Yoshida, Murilo Lacerda | |
dc.date.accessioned | 2016-06-02T19:05:25Z | |
dc.date.available | 2007-11-28 | |
dc.date.available | 2016-06-02T19:05:25Z | |
dc.date.issued | 2007-08-29 | |
dc.identifier.citation | YOSHIDA, Murilo Lacerda. Aprendizado supervisionado incremental de Redes Bayesianas para mineração de dados.. 2007. 145 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2007. | por |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/354 | |
dc.description.abstract | The objective of this work is to introduce two algorithms for supervised Bayesian network incremental learning, AIP (Algorithm for simple Bayesian network numerical parameters supervised incremental learning) and ABC (Algorithm for Bayesian network supervised incremental learning in layers). In order to develop these algorithms we studied relevant works about the Bayesian networks concepts, the algorithms for supervised Bayesian network learning and the algorithms for incremental supervised Bayesian network learning. To improve the performance of the ABC algorithm, we studied the AD-Tree structure and implemented it on the algorithm. To measure the quality of the networks learned by the algorithms we used these networks learnt to classify a test set, resulting in the correct classification rate (ICC). To do that we studied the test set classification process and the propagation of evidences along the Bayesian network. The result of the studies is described on this work, along with the results and discussions about the experiments made with the introduced algorithms. | eng |
dc.format | application/pdf | por |
dc.language | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Acesso Aberto | por |
dc.subject | Inteligência artificial | por |
dc.subject | Aprendizado incremental | por |
dc.subject | Data mining (Mineração de dados) | por |
dc.subject | Representação do conhecimento | por |
dc.title | Aprendizado supervisionado incremental de redes bayesianas para mineração de dados | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Hruschka Júnior, Estevam Rafael | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2097340857065853 | por |
dc.description.resumo | Esse trabalho tem como objetivo propor dois algoritmos para aprendizado incremental supervisionado de redes Bayesianas, o AIP (Aprendizado Incremental ingênuo de Parâmetros) e o ABC (Aprendizado Bayesiano em Camadas). Para isso se pesquisou conceitos teóricos de redes Bayesianas, algoritmos de aprendizado de redes Bayesianas e métodos de aprendizado incremental de redes Bayesianas relevantes na literatura. Para melhorar o desempenho do aprendizado incremental se pesquisou uma estrutura de representação de conhecimento chamada AD-Tree. Para aferir a qualidade das redes Bayesianas produzidas se utilizou essas redes para classificar conjuntos de teste, obtendo assim o índice de classificação correta (ICC). Foi pesquisado o processo de classificação de conjuntos de teste e o processo de propagação de evidências. O resultado dessas pesquisas está descrito no trabalho, junto com os resultados e discussões sobre os experimentos feitos com os algoritmos propostos. | por |
dc.publisher.country | BR | 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 | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/5724332859332178 | por |