Classificação Local utilizando Least Square Support Vector Machine (LSSVM)

Abstract

Resumo—Os modelos de classificação global são métodos que utilizam todo o conjunto de dados de treinamento disponı́vel para a construção de um único modelo que especifique a superfı́cie de separação dos dados. Alternativamente, modelos de classificação local baseiam-se na construção de classificadores locais treinados a partir de subconjuntos dos dados de treinamento. Este artigo apresenta um estudo sobre a abordagem de classificação local para projeto de classificadores baseados em máquinas de vetoressuporte de mı́nimos quadrados (LSSVM). As partições locais foram definidas a partir do algoritmo de agrupamento Kmédias. Os dados dos agrupamentos resultantes foram utilizados para treinar cada modelo LSSVM local. Diversos ı́ndices de validação de agrupamentos foram utilizados como critério de determinação do número de partições locais para cada problema de classificação estudado. Experimentos com vários conjuntos de dados de classificação foram realizados para comparar a abordagem local com a global. Keywords—Reconhecimento de Padrões; Modelos de Classificação Local; Máquinas de Vetores Suporte; K-médias; Least Squares Support Vector Machine;