Análise discriminante usando densidades preditivas aproximadas
Reconhecimento e classificação de padrões são problemas importantes em uma variedade de áreas cientificas, como biologia, psicologia, medicina, visão computacional, etc.... Porém este problema não é de fácil solução quando a distribuição de probabilidade dos dados é totalmente desconhecida. Neste pr...
| Autor principal: | Sérgio Kardec Soares Batista |
|---|---|
| Grau: | Relatório de Pesquisa |
| Idioma: | pt_BR |
| Publicado em: |
Universidade Federal do Amazonas
2017
|
| Assuntos: | |
| Acesso em linha: |
http://riu.ufam.edu.br/handle/prefix/5146 |
| Resumo: |
|---|
|
Reconhecimento e classificação de padrões são problemas importantes em uma variedade de áreas cientificas, como biologia, psicologia, medicina, visão computacional, etc.... Porém este problema não é de fácil solução quando a distribuição de probabilidade dos dados é totalmente desconhecida. Neste projeto, combinamos o Método Kernel Multivariado de estimação de densidades com um enfoque Bayesiano e propomos uma modificação no algoritmo BPKDA para problemas de classificação usando uma Análise Discriminante via Distribuições Preditivas Aproximadas. Estudos empíricos serão realizados para avaliar o efeito da modificação proposta. O desempenho dessa nova versão do BPKDA será aplicado em conjuntos de dados bastante difundidos na literatura, como por exemplo os disponíveis no site da UCI Machine Repository. |