Perceção Sensorial
Objetivos
Saber
- Construção de classificadores automáticos
- Avaliar performance dos classificadores
- Aplicações de sistemas de apoio à decisão
Fazer
- Desenvolvimento de classificadores automáticos
Integração de sistemas de apoio à decisão
Caracterização geral
Código
10964
Créditos
6.0
Professor responsável
José Manuel Matos Ribeiro da Fonseca
Horas
Semanais - 4
Totais - 56
Idioma de ensino
Português
Pré-requisitos
Nenhum
Bibliografia
Leo Breiman, Jerome Friedman, Charles J. Stone, R.A. Olshen. Classification and Regression Trees. Chapman and Hall, New York.
Quinlan, Ross J. (1993). C4.5: Programs for Machine Learning. San Mateo, California. Morgan Kaufmann.
Weiss S. M., Kulikowski C. A. (1991) Computer systems that learn. San Mateo, California. Morgan Kaufmann.
Fonseca, José M. (1994). Indução de Árvores de Decisão. Tese de Mestrado
Método de ensino
Aulas teorico-práticas e aulas práticas
Método de avaliação
Um teste e um projeto com apresentação durante o semestre. Exame no final.
Conteúdo
- Introdução ao desenho de classificadores.
- Estimação da qualidade de um classificador.
- Noção de erro e de custo.
- Métodos de estimação de erro de classificadores.
- Classificadores de vizinhança.
- Classificadores baseados em árvores de decisão.
- Métodos de partição de características discretas e contínuas.
- Critérios de selecção de atributos.
- Métodos de limitação do crescimento das árvores de decisão.
- Métodos de classificação baseados em florestas de árvores de decisão.
- Classificadores baseados em redes neuronais.
- O perceptrão.
- Aprendizagem por retro-propagação.
- Classificadores baseados em algoritmos genéticos.
- Classificadores difusos.
- Princípios de controladores difusos.
- Inferência difusa.
- Álgebra difusa.
- Processamento de características biométricas.
- Sistemas de identificação baseados em características biométricas: reconhecimento de íris, retina, mão, impressão digital, face, etc.