Aplicação de algoritmos de aprendizagem supervisionada e não supervisionada, sendo a base de dados utilizada a Image Segmentation do UCI Machine Learning Repository. Para cada exemplo da base de dados, já se tem uma extração de features, que se dividem em "2 visualizações", dois conjuntos de atributos, um relativo às cores RGB, e a outra relativa à forma da imagem.
As especificações do projeto, definidas pelo professor Francisco de A. T. de Carvalho, podem ser encontradas aqui.
Essa parte do projeto é relativo a um aprendizado não-supervisionado para geração de partições fuzzy e também, a partir delas, criar partições crisp. Baseia-se no algoritmo "Variable-wise kernel fuzzy clustering algorithm with kernelization of the metric". Detalhes desse algoritmo são mostrados no artigo "Kernel fuzzy c-means with automatic variable weighting", em que algumas equações implementadas no código são apresentadas no artigo (27, 31 e 32). A avaliação de performance será mensurada pelo índice de Rand, que mede a similaridade entre dois agrupamentos.
Agora partindo para outra abordagem, são considerados os rótulos da base de dados para o aprendizado supervisionado. Os classifadores utilizados são combinados pela regra da soma, a partir dos seguintes classificadores (um para cada view de atributos, RGB e shape):
- Classificador bayesiano gaussiano.
- Classificador bayesiano baseado em k-vizinhos.
É utilizado o teste não paramétrico de Wilcoxon para comparar os comitês de classificadores.