Título: Um Classificador para Seleção de Características Aplicado a Problemas Não-Linearmente Separáveis
Autores: Villela, Saulo Moraes; Fonseca Neto, Raul
Resumo: Este artigo apresenta uma abordagem robusta para o problema de seleção de características aplicado a conjuntos de dados não-linearmente separáveis. Neste sentido, foram realizados estudos comparando-se resultados relativos a utilização de classificadores baseados em funções kernel, os quais produzem o processo de seleção em um espaço de mais alta dimensão, denominado espaço kernel, com classificadores robustos, que utilizam o conceito de margem flexível e permitem uma tolerância a erros de classificação promovendo a seleção de características diretamente no espaço de entrada. A introdução do processo de flexibilização da margem possibilita a correta classificação de dados, que não sejam linearmente separáveis no espaço de entrada, refletindo em uma melhora do poder de generalização. Tal fato pode ser comprovado pela redução de erros nos testes experimentais. Também, a opção pela minimização da norma L 1 do vetor normal ao hiperplano separador, tornou possível a construção de hipóteses com alto grau de esparsidade. De fato, esta forma de otimização, que apresenta um processo de regularização interna, contribui de forma significativa para uma melhor eficiência do processo de seleção de características. Para a seleção dos melhores subconjuntos, os classificadores foram associados a um algoritmo de busca ordenada que utiliza os valores de margem como medida de avaliação dos subconjuntos candidatos. Foram realizados experimentos para a comprovação da proposta apresentada, tendo-se obtido resultados bastante significativos.
Palavras-chave: Seleção de Características; Norma L 1; Busca Ordenada; Classificadores de Larga Margem; Margem Flexível
Páginas: 6
Código DOI: 10.21528/CBIC2015-033
Artigo em pdf: cbic2015_submission_33.pdf
Arquivo BibTeX: cbic2015_submission_33.bib