Análise das medidas de boa e má diversidade na construção de comitês de classificadores através de metaheurísticas de otimização multiobjetivo

Committees of classifiers may be used to improve the accuracy of classification systems, in other words, different classifiers used to solve the same problem can be combined for creating a system of greater accuracy, called committees of classifiers. To that this to succeed is necessary that the classifiers make mistakes on different objects of the problem so that the errors of a classifier are ignored by the others correct classifiers when applying the method of combination of the committee. The characteristic of classifiers of err on different objects is called diversity. However, most measures of diversity could not describe this importance. Recently, were proposed two measures of the diversity (good and bad diversity) with the aim of helping to generate more accurate committees. This paper performs an experimental analysis of these measures applied directly on the building of the committees of classifiers. The method of construction adopted is modeled as a search problem by the set of characteristics of the databases of the problem and the best set of committee members in order to find the committee of classifiers to produce the most accurate classification. This problem is solved by metaheuristic optimization techniques, in their mono and multi-objective versions. Analyzes are performed to verify if use or add the measures of good diversity and bad diversity in the optimization objectives creates more accurate committees. Thus, the contribution of this study is to determine whether the measures of good diversity and bad diversity can be used in mono-objective and multi-objective optimization techniques as optimization objectives for building committees of classifiers more accurate than those built by the same process, but using only the accuracy classification as objective of optimization

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

Comitês de classificadores podem ser empregados para melhorar a acurácia de sistemas de classificação, ou seja, diferentes classificadores aplicados à solução de um mesmo problema podem ser combinados gerando um sistema de maior acurácia, denominado de comitês de classificadores. Para que se obtenha sucesso é necessário que os classificadores apresentem erros em diferentes objetos do problema para que assim os erros de um classificador sejam suprimidos pelo acerto dos demais na aplicação do método de combinação do comitê. A característica dos classificadores de errarem em objetos diferentes é denominada de diversidade. No entanto, as maiorias das medidas de diversidade não conseguiam descrever essa importância. Recentemente, foram propostas duas medidas de diversidade (boa e má diversidade) as medidas de boa e má diversidade com o objetivo de auxiliar a geração de comitês mais acurados. Este trabalho efetua uma análise experimental dessas medidas aplicadas diretamente na construção de comitês de classificadores. O método de construção adotado é modelado como um problema de busca pelo melhor conjunto de características das bases de dados do problema e pelo melhor conjunto de membros do comitê a fim de encontrar o comitê de classificadores que apresente à maior acurácia de classificação. Esse problema é resolvido através de técnicas de otimização metaheurísticas, nas versões mono e multiobjetivo. São efetuadas análises estatísticas para verificar se usar ou adicionar as medidas de boa e má diversidade como objetivos de otimização resulte comitês mais acurados. Assim, a contribuição desse trabalho é determinar se as medidas de boa e má diversidade podem ser utilizadas em técnicas de otimização mono e multiobjetivo como objetivos de otimização para construção de comitês de classificadores mais acurados que aqueles construídos pelo mesmo processo, porém utilizando somente a acurácia de classificação como objetivo de otimização