Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/4056
Título: Rede Neural Probabilística para a Classificação de Atividades Econômicas
Autor(es): Ciarelli, Patrick Marques
Orientador: Salles, Evandro Ottoni Teatini
Coorientador: Oliveira, Elias Silva de
Data do documento: 22-Fev-2008
Editor: Universidade Federal do Espírito Santo
Resumo: Este trabalho apresenta uma abordagem baseada em Redes Neurais Artificiais para problemas de classificação multi-rotulada. Em particular, foi empregada uma versão modificada da Rede Neural Probabilística para tratar de tais problemas. Em experimentos realizados em várias bases de dados conhecidas na literatura, a Rede Neural Probabilística proposta apresentou um desempenho comparável, e algumas vezes até superior, a outros algoritmos especializados neste tipo de problema. Como o foco principal deste trabalho foi o estudo de estratégias para classificação automática de texto de atividades econômicas, foram realizados também experimentos utilizando uma base de dados de atividades econômicas. No entanto, diferente das bases de dados utilizadas anteriormente, esta base de dados apresenta um número extenso de categorias e poucas amostras de treino por categoria, o que aumenta o grau de dificuldade deste problema. Nos experimentos realizados foram utilizados a Rede Neural Probabilística proposta, o classificador k-Vizinhos mais Próximos Multi-rotulado, e um Algoritmo Genético para otimização dos parâmetros dos mesmos. Nas métricas utilizadas para avaliação de desempenho, a Rede Neural Probabilística mostrou resultados superiores e comparáveis aos resultados obtidos pelo k-Vizinhos mais Próximos Multi-rotulado, mostrando que a abordagem utilizada neste trabalho é promissora.
Thisworkpresents anapproach basedonArtificialNeuralNetworksforproblemsofmulti-label classification.In particular,was useda modifiedversionof ProbabilisticNeuralNetworkto handlesuch problems.In experiments carriedoutin variousdatabasesknownin theliterature,theProbabilisticNeuralNetworkproposalpresenteda performancecomparable,andsometimesevensuperiorto otheralgorithmsspecializedin thistype ofproblem.Asthemainfocusof thisworkwas thestudyof strategiesforautomatictextclassi-ficationof economicactivitiesthenwerealsoconductedexperiments usinga databaseofeconomicactivities.However,unlike of databasesusedpreviously, thisdatabaseshowsahugenumber of categoriesandfewsamplesof trainingby category, which increasesthedegreeof difficulty thisproblem.In theexperiments wereusedto ProbabilisticNeuralNetworkproposal,theclassifierMulti-label k-NearestNeighbor anda GeneticAlgorithmforoptimizationof theparameters.Themetricsusedto evaluationof performancehaveshownthattheresultsof ProbabilisticNeuralNetworkweresuperiorandcomparabletotheresultsobtainedby theMulti-label k-NearestNeighbor,showingthattheapproachusedin thisworkis promising.
URI: http://repositorio.ufes.br/handle/10/4056
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_2374_DissCiarelli.pdf642.28 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.