Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo

203 Pages·2014·7.24 MB·Portuguese

by  Ricardo Cerri

Redes neurais e algoritmos genéticos para
problemas de classificação hierárquica
multirrótulo

Ricardo Cerri

SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP

Data de Depósito:

  Assinatura:________________________
______

Redes neurais e algoritmos genéticos para problemas de
classificação hierárquica multirrótulo

Ricardo Cerri

Orientador: Prof. Dr. André Carlos Ponce de Leon Ferreira de Carvalho

Tese apresentada ao Instituto de Ciências Matemáticas
e de Computação - ICMC-USP, como parte dos
requisitos para obtenção do título de Doutor em
Ciências - Ciências de Computação e Matemática
Computacional. VERSÃO REVISADA.

USP – São Carlos
Janeiro de 2014
Ficha catalográfica elaborada pela Biblioteca Prof. Achille Bassi
e Seção Técnica de Informática, ICMC/USP,
com os dados fornecidos pelo(a) autor(a)
Cerri, Ricardo
C417r Redes neurais e algoritmos genéticos para
problemas de classificação hierárquica multirrótulo /
Ricardo Cerri; orientador André C. P. L. F. de
Carvalho. -- São Carlos, 2014.
175 p.
Tese (Doutorado - Programa de Pós-Graduação em
Ciências de Computação e Matemática Computacional) --
Instituto de Ciências Matemáticas e de Computação,
Universidade de São Paulo, 2014.
1. Classificação Hierárquica Multirrótulo. 2.
Aprendizado de Máquina. 3. Bioinformática. 4. Redes
Neurais. 5. Algoritmos Genéticos. I. de Carvalho,
André C. P. L. F., orient. II. Título.
EstatesefoipreparadacomoformatadordetextosLATEX. Abibliografiaégeradaautomati-
camente pelo BIBTEX, utilizando o estilo apalike com modificações para o português. O estilo
utilizado no documento e as modificações no estilo apalike foram desenvolvidas por Ronaldo
CristianoPrati.

Ameuspais.

Agradecimentos
AgradeçoaDeuspormaisestaconquistaemminhavida.
AgradeçomuitoaosmeuspaisIrineueCleide,quesãoesempreforammeusgrandesamigos
eincentivadores. Semeleseunãoestariaaquihoje. Semeleseunãoteriaasoportunidadesque
tivenavida,enãoteriafeitoestaTesedeDoutorado. AgradeçotambémaomeuirmãoRodrigo
pelaamizadeeincentivo,etambématodaaminhafamília.
Ao meu orientador Prof. Dr. André Carlos P. L. F. de Carvalho pela excelente orienta-
ção durante todo o período de meu Doutorado. Seus conhecimentos e aconselhamentos foram
fundamentaisparaarealizaçãodestetrabalho.
Quero também agradecer aos professores Alex A. Freitas e Yaochu Jin pela orientação du-
rante os períodos que passei no exterior. Suas sugestões contribuíram muito para o desenvolvi-
mentodestapesquisa.
AgradeçoàFundaçãodeAmparoàPesquisadoEstadodeSãoPaulo(FAPESP)pelosauxí-
liosfinanceirosindispensáveisàrealizaçãodestetrabalho(Processon. 2009/17401-2eProcesso
n. 2011/22321-8), e também à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
(CAPES)peloauxíliofinanceiroconcedidonoiníciodestapesquisa.
Ao meu amigo Rodrigo Barros pela colaboração e realização de trabalhos em conjunto,
e também aos amigos Danilo Horta e Thiago Covões pela troca de ideias e ajuda em vários
momentos do Doutorado. Também agradeço a todos os amigos do Laboratório de Computa-
ção Bioinspirada do ICMC/USP, Jonathan Andrade, Débora Medeiros, Pablo Jaskowiak, Luiz
Coletta, André Rossi, Paulo Gabriel, Rosane Maffei, Lucas Vendramin, e também aos amigos
Roberto Yokoyama, Renato Rodrigues, Thiago Siqueira e vários outros amigos. Agradeço a
todospelatrocadeideiasepelosmomentosagradáveisquepassamosjuntos.
A Leander Schietgat e Celine Vens pela ajuda com os métodos baseados em Predictive
ClusteringTrees,etambémaFernandoOteropelaajudacomométodohmAnt-Miner. Também
aMauriFerrandineHelyaneBorgespelatrocadeideiasemváriosmomentosdapesquisa.
Agradeço também a todos os professores e funcionários do ICMC/USP - São Carlos, que
contribuíramdiretamenteouindiretamenteparaarealizaçãodestetrabalho.
ix