Ciência da Computação
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/342
Navegar
2 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso Estudo de algoritmos bio-inspirados e aprendizado de máquina aplicados à doenças cardiovasculares(2024-12-11) Rodrigues, Lucas MedeirosA proposta deste trabalho teve como objetivo realizar um estudo comparativo do uso de uma rede do tipo MLP e algoritmos Bioinspirados para predição de doenças cardíacas, um problema grave na saúde de muitas pessoas. Usando a base dados UCI Heart Disease Dataset, foram aplicadas as técnicas análise de componentes principais e a Decomposição em valores singulares para redução de dimensionalidade com a finalidade de melhorar o desempenho dos modelos. A MLP foi implementada com cinco camadas, enquanto o algoritmo biosinpirado escolhido, Optimização por enxame de partículas (PSO) foi configurado com trinta partículas. Métricas como acurácia, precisão, recall e F1 score foram utilizadas a fim de comparar seus desempenhos. Os resultados obtidos ajudam a entender as vantagens e desvantagens de cada abordagem, possibilitando uma análise comparativa do uso dos modelos em diferentes cenários, onde foi possível observar resultados de até 85% de acurácia.- Nonlinear discriminant principal component analysis for image classification and reconstruction(2018-12-13) FILISBINO, T.; GIRALDI, G.; Plinio Thomaz Aquino Junior© 2018 IEEE.In this paper we present a nonlinear version of the discriminant principal component analysis, named NDPCA, that is based on kernel support vector machines (KSVM) and the AdaBoost technique. Specifically, the problem of ranking principal components, computed from two-class databases, is addressed by applying the AdaBoost procedure in a nested loop: Each iteration of the inner loop boosts weak classifiers to a moderate one while the outer loop combines the moderate classifiers to build the global discriminant vector. In the proposed NDPCA, each weak learner is a linear classifier computed through a separating hyperplane defined by a KSVM decision boundary in the PCA space. We compare the proposed methodology with counterpart ones using facial expressions of the Radboud and Jaffe image databases. Our experimental results have shown that NDPCA outperforms the PCA in classification tasks. Also, it is competitive if compared with counterpart techniques given also suitable results for reconstruction.