Sistemas classificadores evolutivos para problemas multi rotulo.

Resumo

A Bioinformática diz respeito à utilização de técnicas e mecanismos computacionais para resolver problemas da Biologia. As bases de dados utilizadas em Bioinformática, obtidas através de técnicas laboratoriais da Biologia e da Medicina, usualmente são utilizadas em tarefas de classificação, em que o principal objetivo é a construção de um modelo a partir de um conjunto de dados de treinamento que seja capaz de predizer o comportamento de novos exemplos do mesmo domínio. As diversas técnicas de classificação de dados existentes estão incluídas em uma área da Computação denominada Aprendizado de Máquina. Assim, técnicas de classificação podem ser utilizadas em vários problemas da Biologia e da Medicina, como diagnóstico médico, análise de nível de expressão gênica, descoberta das funções das proteínas, entre outros. Entretanto, várias das bases de dados utilizadas nesses domínios são bases multi-rótulos, o que dificulta a tarefa de construção de um modelo de classificação. Sistemas de Aprendizado de Classificadores (LCS, do inglês, Learning Classifier Systems), uma área de Mineração de Dados que envolve a utilização de Algoritmos Evolutivos, tem sido bastante estudados e utilizados para realizar tarefa de classificação em que existe apenas um rótulo de classe associado a cada exemplo. Essa técnica de classificação utiliza como principal mecanismo de busca um Algoritmo Genético (AG), uma técnica da Computação Evolutiva baseada no mecanismo de evolução dos seres vivos. Entretanto, poucos trabalhos conhecidos pela comunidade sobre a utilização de LCS para conjuntos de dados com vários rótulos de classe. Este projeto propõe a construção de um LCS que seja capaz de realizar classificação multi-rótulos em problemas de Bioinformática. Além disso, propõe-se o estudo da viabilidade da utilização de um Algoritmo de Estimação de Distribuição como mecanismo de busca, ao invés de um Algoritmo Genético tradicional. (AU)