Questa tesi ha ideato, progettato, implementato, sviluppato e testato un nuovo classificatore basato sul teorema di Bayes in grado di superare i vincoli e le limitazioni che caratterizzano i classificatori appoggiati su questo risultato matematico analizzandone le prestazioni per valutare eventuali possibilità  di miglioramento. In particolare, gli obbiettivi raggiunti sono stati: †¢ L'ideazione, la creazione e l'applicazione all'algoritmo di un insieme di soluzioni atte ad ampliare il contesto applicativo della famiglia di classificatori bayesiani rendendone la classificazione corretta e attendibile anche in presenza di casi limite. †¢ L'ideazione, la creazione e l'applicazione all'algoritmo di un insieme di soluzioni atte a preservare il disaccoppiamento tra utente e classificatore che viene proposto dal classificatore bayesiano. †¢ L'ideazione, la creazione e l'applicazione all'algoritmo di un sistema di feedback che in maniera automatica, sulla base dei dati, sia in grado di riconoscere quali campioni sono stati classificati in maniera attendibile e quali invece sono stati classificati pur presentando alcune incertezze circa la loro assegnazione alla classe. †¢ La salvaguardia di buona parte dei vantaggi offerti dai classificatori di tipo bayesiano. †¢ Il test e l'analisi dei risultati conseguiti attraverso la progettazione, l'implementazione e l'utilizzo delle soluzioni sopraelencate evidenziandone il confronto con alcune soluzioni esistenti.

Sviluppo di un classificatore interattivo basato sull'algoritmo Naà¯ve Bayes

2019

Abstract

Questa tesi ha ideato, progettato, implementato, sviluppato e testato un nuovo classificatore basato sul teorema di Bayes in grado di superare i vincoli e le limitazioni che caratterizzano i classificatori appoggiati su questo risultato matematico analizzandone le prestazioni per valutare eventuali possibilità  di miglioramento. In particolare, gli obbiettivi raggiunti sono stati: †¢ L'ideazione, la creazione e l'applicazione all'algoritmo di un insieme di soluzioni atte ad ampliare il contesto applicativo della famiglia di classificatori bayesiani rendendone la classificazione corretta e attendibile anche in presenza di casi limite. †¢ L'ideazione, la creazione e l'applicazione all'algoritmo di un insieme di soluzioni atte a preservare il disaccoppiamento tra utente e classificatore che viene proposto dal classificatore bayesiano. †¢ L'ideazione, la creazione e l'applicazione all'algoritmo di un sistema di feedback che in maniera automatica, sulla base dei dati, sia in grado di riconoscere quali campioni sono stati classificati in maniera attendibile e quali invece sono stati classificati pur presentando alcune incertezze circa la loro assegnazione alla classe. †¢ La salvaguardia di buona parte dei vantaggi offerti dai classificatori di tipo bayesiano. †¢ Il test e l'analisi dei risultati conseguiti attraverso la progettazione, l'implementazione e l'utilizzo delle soluzioni sopraelencate evidenziandone il confronto con alcune soluzioni esistenti.
2019
it
Dipartimento di Ingegneria "Enzo Ferrari"
Università degli Studi di Modena e Reggio Emilia
File in questo prodotto:
File Dimensione Formato  
PDF_completo_definitivo.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 3.43 MB
Formato Adobe PDF
3.43 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/302366
Il codice NBN di questa tesi è URN:NBN:IT:UNIMORE-302366