Project

General

Profile

Overview

Um sistema de reconhecimento de padrões é composto dos seguintes módulos básicos: Pré-processamento, Segmentação, Extração de Características e Classificação. Todos os módulos interferem diretamente no desempenho do sistema e portanto devem ser cuidadosamente projetados e implementados. Entretanto, todo o trabalho com a construção dos módulos anteriores a classificação pode ser comprometido caso o algoritmo de classificação apresente um mau desempenho. Tendo isso em mente, a comunidade de aprendizagem de máquina e reconhecimento de padrões tem trabalhado intensivamente na busca de classificadores eficientes capazes de tratar fronteiras de decisão complexas. Entretanto, o desenvolvimento de um único classificador que apresente desempenho adequado para todo o espaço de características é uma meta utópica na maioria das aplicações. Para contornar tal problema, a comunidade se voltou ao desenvolvimento de sistemas de classificação baseados em múltiplos classificadores, os quais combinados em geral produzem um melhor desempenho do que um único classificador. Mais recentemente, foi proposta a ideia de seleção dinâmica de classificadores, em que o resultado se dá pela seleção de um ou mais classificadores e não pela combinação de todos. O problema está em como selecionar tais classificadores. Algumas técnicas tem sido propostas na literatura mas diversos aspectos desta abordagem estão em aberto. Nesse projeto, temos como objetivos atacar esses problemas e também caracterizar de maneira clara as vantagens e desvantagens da seleção dinâmica de classificadores. Todos os resultados do estudo teórico serão validados em diferentes aplicações práticas, as quais apresentam diferentes níveis de complexidade e também diferentes volumes de dados de treinamento. Edital Universal CNPq.