Otimização e análise teórica das máquinas de vetores suporte aplicadas à classificação de dados
Resumen
Em problemas que exigem a análise de uma grande quantidade de dados para classificá-los um processo manual torna-se inviável, motivando o desenvolvimento de técnicas computacionais capazes de reconhecer padrões para desempenhar tal tarefa. [...]Descargas
Citas
Boser, B. E., Guyon, I. M., Vapnik, V. A Training Algorithm for Optimal Margin Classifiers,Proceedings of the fifth annual workshop on Computational learning theory, ACM, p. 144–152,1992.[2] Cortes, C., Vapnik, V. Support - Vector Networks,Machine Learning, Springer, 20.3, p.273–297, 1995.[3] Deisenroth, P., Faisal, A. A. and Ong, C. S.Mathematics for Machine Learning. CambridgeUniversity Press, Boston, 2019.[4] Fisher, R. A. The Use of Multiple Measurements in Taxonomic Problems,Annals of Eugenics,7.2, p. 179–188, 1936. DOI:10.1111/j.1469-1809.1936.tb02137.x.[5] Friedlander, A.Elementos de Programa ̧c ̃ao N ̃ao-Linear. Unicamp, 1994.[6] Krulikovski, E. H. M. An ́alise te ́orica de m ́aquinas de vetores suporte e aplica ̧c ̃ao a classifica ̧c ̃aode caracteres, Disserta ̧c ̃ao de Mestrado em Matem ́atica, UFPR, 2017.[7] Loh, W. Y., Tanner, M. A., Wolberg, W. H. Diagnostic Schemes for Fine Needle Aspirates ofBreast Masses,Analytical and Quantitative Cytology and Histology, 10.3, p. 225–228, 1998.[8] Luenberger, D. G. and Ye, Y.Linear and Nonlinear Programming. International Series inOperations Research & Management Science, Springer US, 2008.