Máquina de Vetores-Suporte Intervalar
máquinas de vetores suporte, intervalar, kernel
As máquinas de vetores suporte (SVM - Support Vector Machines) têm atraído muita
atenção na área de aprendizagem de máquinas, em especial em classificação e reconhecimento
de padrões, porém, em alguns casos nem sempre é fácil classificar com precisão
determinados padrões entre classes distintas. Este trabalho envolve a construção de um
classificador de padrões intervalar, utilizando a SVM associada com a teoria intervalar,
de modo a modelar com uma precisão controlada a separação entre classes distintas de
um conjunto de padrões, com o objetivo de obter uma separação otimizada tratando de
imprecisões contidas nas informações do conjunto de padrões, sejam nos dados iniciais
ou erros computacionais.
A SVM é uma máquina linear, e para que ela possa resolver problemas do mundo
real, geralmente problemas não lineares, é necessário tratar o conjunto de padrões, mais
conhecido como conjunto de entrada, de natureza não linear para um problema linear,
as máquinas kernels são responsáveis por esse mapeamento. Para a extensão intervalar
da SVM, tanto para problemas lineares quanto não lineares, foi preciso a definição de
kernel intervalar, bem como o teorema que valida uma função ser um kernel, o teorema
de Mercer para funções intervalares.