Título: ABORDAGEM DE OTIMIZAÇÃO MULTIOBJETIVO APLICADA À SELEÇÃO DE ATRIBUTOS USANDO ALGORITMO DE NUVEM DE PARTÍCULAS
Autores: Souza, Viviane Dal Molin; Ayala, Helon Vicente Hultmann; Carvalho, Deborah Ribeiro; Coelho, Leandro dos Santos
Resumo: O algoritmo de otimização através de nuvem de partículas (PSO) é uma técnica metaheurística desenvolvida recentemente e pertence à categoria de técnicas de inteligência de enxames. Os conceitos da inteligência de enxames são inspirados no comportamento social dos animais, tais como enxames de aves e cardumes de peixes. Devido a sua habilidade natural de convergir rapidamente, o algoritmo PSO é também utilizado para resolver problemas de otimização multiobjetivo. Recentemente, diversas investigações têm sido realizadas para aplicar abordagens do algoritmo PSO em descoberta de conhecimento em bases de dados (KDD – Knowledge Discovery in Databases). O processo de KDD é composto pelas seguintes etapas: seleção da base de dados, seleção de atributos, pré-processamento dos dados, mineração de dados e pós-processamento. O objetivo deste artigo é a seleção de atributos usando uma abordagem de PSO baseada em otimização multiobjetivo e variáveis inteiras para a seleção e avaliação dos atributos selecionados. A proposta do método de seleção de atributos utilizando uma abordagem de PSO multiobjetivo foi avaliada em dez bases de dados obtidas no repositório de dados da UCI (Machine Learning Repository – University of California Irvine). Neste contexto, o problema multiobjetivo resolvido pelo PSO considerou dois objetivos diferentes: i) minimizar a taxa de erro e ii) minimizar o tamanho das árvores obtidas pelo algoritmo C4.5. Além disso, o algoritmo foi definido como critério para a comparação das soluções encontradas pelo PSO com abordagem multiobjetivo.
Palavras-chave: Otimização multiobjetivo; seleção de atributos; mineração de dados; enxame de partículas
Páginas: 6
Código DOI: 10.21528/CBRN2009-172
Artigo em PDF: 172_CBRN2009.pdf
Arquivo BibTex: 172_CBRN2009.bib