Busca avançada
Ano de início
Entree

Classificação de dados baseada em caminhada aleatória em redes

Processo: 12/14217-9
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de setembro de 2012
Vigência (Término): 31 de janeiro de 2014
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Zhao Liang
Beneficiário:Filipe Alves Neto Verri
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Inteligência artificial   Cadeias de Markov   Passeios aleatórios   Redes complexas

Resumo

Através da representação computacional, as técnicas de aprendizado de máquina podem gerar modelos capazes de organizar o conhecimento existente ou ainda imitar o comportamento de um especialista humano nos domínios considerados. Técnicas tradicionais de classificação consideram apenas características físicas dos dados, tais como distância, similaridade ou densidade. Estes classificadores são chamados de classificadores de baixo nível. Muitas vezes a observação destas características não é suficiente para classificar corretamente os dados. Outras técnicas atuais consideram também as características da formação de padrões, que têm significados semânticos, estas técnicas são chamadas de classificadores de alto nível. A classificação de alto nível resolve diversos problemas, como o reconhecimento de padrões invariantes. Neste projeto, é proposto o desenvolvimento de um classificador de alto nível baseado em redes utilizando medidas relacionadas à caminhada aleatória. Este classificador deverá ser capaz de analisar, além das características físicas dos dados, as características de formações de padrões a que eles pertencem.