Pedro Augusto Lelis

Formação complementar

Idiomas

Foi orientado por

Projetos de pesquisa

• 2010 - 2011

  Análise de utilização de similaridade fuzzy para classificação multirrótulo com algoritmos de aprendizado, Descrição: Com o aumento na quantidade de dados armazenados digitalmente, sejam dados científicos, transacionais, páginas de Internet, vídeos, músicas ou mesmo uma notícia de jornal, a tarefa de classificá-los torna-se cada vez mais difícil, exigindo o uso de algoritmos de aprendizado de máquina (AM) para solucionar esse problema. Para a classificação desse dados, que podem pertencer a mais de uma classe, são usados classificadores multirrótulo. Neste trabalho, a fim de maximizar o desempenho de algoritmos de AM multirrótulo baseados em transformação do problema foi proposto o uso de classificadores fuzzy, os quais permitem classificar os exemplos dando a eles um grau de pertinência em cada classe. Mesmo com o melhor desempenho sendo do algoritmo de adaptação, na maioria das vezes havia alguma abordagem com desempenho muito próximo baseada no algoritmo de transformação fuzzy, o que não acontece em os algoritmos que não utilizam classificadores fuzzy. Essa abordagem também se mostrou mais eficaz quando usado na base de dados com atributos nominais, pois o algoritmo de adaptação usado calcula as distâncias entre pares de exemplos, o que não faz muito sentido para atributos nominais.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Pedro Augusto Lelis - Coordenador / Ronaldo Cristiano Prati - Integrante.

• 2009 - 2010

  Análise de dados de espectroscopia óptica para diagnóstico médico com algoritmos de aprendizado de máquina, Descrição: O diagnóstico médico de muitas doenças é um processo complexo e muitas vezes ineficaz. A fim de obter diagnósticos mais precisos e rápidos, a equipe coordenada pelo Prof. Dr. Martinho (Penteado et al, 2006) explorou a técnica FT-Raman, a qual consiste em incidir um feixe de Laser sobre uma amostra de tecido e anotar as frequências refletidas. Esses dados foram analisados com pacote Weka (Witten, 2005) a fim de verificar se técnicas de mineração de dados e aprendizado de máquina são capazes de suprir as necessidades de diagnóstico mais avançadas. Os algoritmos de aprendizado de máquina mostraram-se ser uma maneira eficaz para se obter classificadores para diagnóstico médico entre tecidos doente e não doente, porém não foram obtidos bons resultados no que se refere à graduação da doeça.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Pedro Augusto Lelis - Coordenador / Ronaldo Cristiano Prati - Integrante.