@MASTERSTHESIS{ 2018:701944970,
 	title = {Sele??o din?mica de comit?s de classificadores baseada em diversidade e acur?cia para detec??o de mudan?a de conceitos},
 	year = {2018},
 	url = "https://tede.ufam.edu.br/handle/tede/6480",
 	abstract = "Muitas aplica??es de aprendizado de m?quina est?o relacionadas com problemas de
 classifica??o em ambientes din?micos. Mudan?a de conceito figura nesse tipo de ambiente e
 pode prejudicar muito a acur?cia de sistemas de classifica??o. Nesse contexto, a utiliza??o
 de comit?s de classificadores ? interessante porque possibilita a implementa??o de processos
 de detec??o e de rea??o ? mudan?a mais acurados e robustos. Sistemas de classifica??o
 que utilizam comit?s podem possuir tr?s grandes fases: gera??o; sele??o; e integra??o de
 classificadores. A etapa de sele??o pode ser feita de forma din?mica, isto ?, para cada
 inst?ncia desconhecida, o classificador ou comit? de classificadores com maior probabilidade
 de acerto ? escolhido para atribuir uma classe ? essa inst?ncia. Neste trabalho, ? proposto
 um m?todo para detec??o e rea??o ? mudan?a de conceito que utiliza sele??o din?mica de
 comit?s de classificadores. O m?todo proposto escolhe o comit? especialista com base nos
 valores de diversidade e de acur?cia de cada comit? candidato. A fim de avaliar o impacto
 do uso de sele??o din?mica guiada por diversidade e acur?cia nas tarefas de detec??o e
 rea??o a mudan?a de conceito, foram realizadas quatro s?ries de experimentos com bases
 sint?ticas e reais. Al?m disso, como o m?todo proposto ? dividido em quatro fases: gera??o
 da popula??o de comit?s; sele??o din?mica do comit? especialista; detec??o de mudan?as;
 e rea??o ? mudan?a, diferentes vers?es desse m?todo foram investigadas em fun??o da
 defini??o de par?metros de cada fase. Os resultados dos experimentos mostraram que, de
 maneira geral, as vers?es estudadas s?o bem equivalentes em termos de acur?cia m?dia
 final. Adicionalmente, quando comparado a dois baselines: (1) DDM - que utiliza um
 ?nico classificador; e (2) Leveraging Bagging - que utiliza um comit? de classificadores,
 o m?todo proposto alcan?ou melhores taxas de acur?cia, menores taxas de atraso de
 detec??o, n?o deixou de detectar as mudan?as conhecidas nas bases e produziu reduzidas
 taxas de falsa detec??o, apesar de apresentar maior complexidade computacional. Portanto,
 o trabalho mostra que o uso de sele??o din?mica guiada por diversidade e acur?cia melhora
 a precis?o de detec??o, bem como a acur?cia geral de sistemas de classifica??o utilizados
 em problemas que apresentam mudan?a de conceitos.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}