Fuzzy optimum-path forest: a novel method for supervised Classification (Inglês)

Autor: Souza, Renato William Rodrigues de
Přispěvatelé: Pinheiro, Plácido Rogério, Passos Júnior, Leandro Aparecido, Viana, Gerardo Valdisio Rodrigues, Duarte, João Batista Furlan, Holanda Filho, Raimir, Rabêlo, Ricardo de Andrade Lira
Jazyk: portugalština
Rok vydání: 2022
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da UNIFOR
Universidade de Fortaleza (UNIFOR)
instacron:UNIFOR
Popis: Made available in DSpace on 2022-06-23T00:15:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2022-04-26 In the past decades, fuzzy logic has played an essential role in many research areas. Alongside, graph-based pattern recognition has shown to be of great importance due to its flexibility in partitioning the feature space using the background from graph theory. Some years ago, a new framework for supervised, semi-supervised, and unsupervised learning named Optimum- Path Forest (OPF) was proposed with competitive processing time and predictive power in several applications, besides its low computational costs. In this thesis, we propose the Fuzzy Optimum-Path Forest, an improved version of the standard OPF classifier that learns the samples¿ membership through an unsupervised method, which is further incorporated during supervised training. The proposed approach is used to identify the most relevant training samples, thus improving the classification step. The experiments are conducted over twelve public datasets highlighting the robustness of the method, which behaves similarly to the standard OPF. In addition, the proposal also presents the application of the new Fuzzy Optimal Path Forest method in a parkinson patient dataset composed of features extracted from hand-drawn images using the well-known Restricted Boltzmann Machine compare the proposed method with three different approaches. baseline, namely the Support Vector Machines, Naive Bayes, and the standard OPF classifier. Finally, the results outperformed as baselines in most cases, presenting the Fuzzy OPF as a viable alternative to deal with PD detection problems, being clinically more relevant for PD diagnosis due to its accuracy [90.62%] be more significant than the others. Keywords: Optimum-path forest, Classifiers, Fuzzy logic, Pattern recognition. Nas últimas décadas, a lógica fuzzy desempenhou um papel essencial em muitas áreas de pesquisa. Paralelamente, o reconhecimento de padrões baseado em grafos tem se mostrado de grande importância devido à sua flexibilidade em particionar o espaço de recursos usando o plano de fundo da teoria dos grafos. Há alguns anos, um novo framework para aprendizado supervisionado, semi-supervisionado e não supervisionado denominado Floresta de Caminhos Ótimos (OPF) foi proposto com resultados competitivos em diversas aplicações, além de possuir uma baixa carga computacional. Nesta tese, propomos o método Floresta de Caminhos Ótimos Difuso, uma versão aprimorada do classificador OPF que aprende a associação das amostras de uma forma não supervisionada, que são posteriormente incorporados durante o treinamento supervisionado. Essas informações são utilizadas para identificar as amostras de treinamento mais relevantes, melhorando assim a etapa de classificação. Experimentos conduzidos em doze conjuntos de dados públicos destacam a robustez da abordagem proposta, que se comporta de forma semelhante ao OPF padrão nos piores cenários. Além disso, a proposta apresenta também a aplicação do novo método Floresta de Caminhos Ótimos Difuso em um conjunto de dados de pacientes de parkinson composto de recursos extraídos de imagens desenhadas à mão usando a conhecida Máquina de Boltzmann Restrita comparam o método proposto com três abordagens de linha de base, ou seja, as Máquinas de vetores de suporte, Naive Bayes e o classificador OPF padrão. Por fim, os resultados superaram como linhas de base na maioria dos casos, apresentando o Fuzzy OPF como uma alternativa viável para lidar com problemas de detecção de DP, sendo clinicamente mais relevante para o diagnóstico de DP devido à sua precisão [90,62%] ser mais significativa que as demais. Palavras-chave: Floresta de Caminhos Ótimos, Classificadores, Aprendizado de máquina, Lógica Difusa, Reconhecimento de padrões.
Databáze: OpenAIRE
Externí odkaz: