Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/20950
Document type: Dissertação
Access type: Acesso Aberto
Title: Aplicação de Algoritmos Genéticos para a Mineração de Regras SE-ENTÃO em Conjuntos de Dados com Distribuição Não-Linear
Alternate title (s): Application of Genetic Algorithms for the Mining of Rules IF-THEN in Datasets with Non-Linear Distribution
Author: Matos, Maicon Douglas dos Santos
First Advisor: Amaral, Laurence Rodrigues do
First member of the Committee: Gabriel, Paulo Henrique Ribeiro
Second member of the Committee: Santos, Edimilson Batista dos
Summary: O presente trabalho tem a finalidade de realizar a mineração de regras de classificação de alto nível (SE-ENTÃO) em conjunto de dados com atributos contínuos e distribuição de dados não linear, de maneira precisa e compreensível. Desse modo, utilizou-se a técnica de Algoritmos Genéticos (AGs) — métodos de pesquisa computacional baseados na teoria evolutiva de Darwin — para desenvolver dois algoritmos: o MIRGA e MDRGA. O MIRGA é uma extensão do algoritmo NLCEE de Amaral e Hruschka, e seus resultados foram promissores em comparação ao NLCEE. Consequentemente originou-se o segundo algoritmo, o MDRGA, que obteve o melhor resultado de classificação para os conjuntos de dados Diabetes, Sonar, Iris, Bupa e Ionosphere em comparação a outros métodos baseados em AG (CEE e NLCEE) e métodos de classificação tradicionais, tais como: J48, Random Forest, PART, Naive Bayes, IBK e MLP.
Abstract: The present work has the purpose of accomplishing the mining of high-level classification rules (IF-THEN) in data set with continuous attributes and non-linear data distribution, in a precise and comprehensible way. Thus, we used the Genetic Algorithm (GA) technique - computational research methods based on Darwin's evolutionary theory - to develop two algorithms, MIRGA and MDRGA. The MIRGA is an extension of the NLCEE algorithm of Amaral and Hruschka, and its results were similar and even inferior in comparison to the NLCEE. Consequently, the second algorithm, MDRGA, was originated and it has obtained the best classification result for the data sets, Sonar, Iris, Bupa and Ionosphere, in comparison to other methods based on GA (CEE and NLCEE) and traditional classification methods, such as: J48, Random Forest, PART, Naive Bayes, IBK and MLP.
Keywords: Algoritmos Genéticos (AGs)
AGs não lineares
Tarefa de classificação
Conjuntos de dados não lineares
Regras SE-ENTÃO
Genetic Algorithms (GAs)
Nonlinear GAs
Classification task
Non-linear data sets
Rules IF-THEN
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Ciência da Computação
Quote: MATOS, Maicon Douglas dos Santos. Aplicação de Algoritmos Genéticos para a Mineração de Regras SE-ENTÃO em Conjuntos de Dados com Distribuição Não-Linear. 2018. 150 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2018.
Document identifier: http://dx.doi.org/10.14393/ufu.di.2018.199
URI: https://repositorio.ufu.br/handle/123456789/20950
Date of defense: 9-Feb-2018
Appears in Collections:DISSERTAÇÃO - Ciência da Computação

Files in This Item:
File Description SizeFormat 
AplicacaoAlgoritmosGeneticos.pdfDissertação8.82 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.