Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/3945
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSilva, Pedro Henrique Lopespt_BR
dc.contributor.advisorSantana, Adrielle de Carvalhopt_BR
dc.contributor.authorFaria, Matheus Henrique Lemes-
dc.date.accessioned2022-02-14T23:00:30Z-
dc.date.available2022-02-14T23:00:30Z-
dc.date.issued2022pt_BR
dc.identifier.citationFARIA, Matheus Henrique Lemes. Abordagem multiobjetivo para a seleção de features em representações profundas da íris. 2022. 46 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/3945-
dc.description.abstractSistemas Biométricos sofrem bastante com grande volume de informações e com a quantidade de dados que são utilizados para identificar ou verificar uma pessoa. Consequentemente a demanda por poder de processamento e tempo é maior. Com isso, é de fundamental importância selecionar somente as características mais relevantes para descrever a pessoa sem que o sistema perca seu poder de decisão. Portanto, para resolver esse problema nesse trabalho propõe-se uma otimização multi-objetivo com os algoritmos NSGA-II e R-NSGA-II sobre as características extraídas das imagens da competição NICE.II. O foco desta monografia é minimizar a quantidade de características selecionadas e maximizar a decidibilidade (métrica utilizada na literatura para medir o poder de decisão de um sistema) utilizando como métricas de avaliação da otimização o Equal Error Rate (EER) e o Hiper-volume. Ao final deste trabalho, obteve-se uma decidibilidade maior e uma redução na quantidade de características selecionadas para ambos os algoritmos genéticos quando comparado ao uso de todas as características. Quando se compara o desempenho dos dois algoritmos, o R-NSGA-II foi levemente superior ao NSGA-II devido sua natureza de possuir um ponto de referência fornecido pelo programador durante a otimização.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectOtimzação multiobjetivopt_BR
dc.subjectBiometriapt_BR
dc.subjectAlgoritmos genéticospt_BR
dc.titleAbordagem multiobjetivo para a seleção de features em representações profundas da íris.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeMoreira, Gladston Juliano Pratespt_BR
dc.contributor.refereeLuz, Eduardo José da Silvapt_BR
dc.contributor.refereeSilva, Pedro Henrique Lopespt_BR
dc.contributor.refereeSantana, Adrielle de Carvalhopt_BR
dc.description.abstractenBiometric Systems identified with a large volume of information and with the amount of data that are used for or a person. Consequently, the demand for processing power and time is greater. With this, it is of fundamental importance to select only the most relevant characteristics to describe the person without losing his decision power. Therefore, for this work project, a multi-objective optimization with resources II and R-NSGA- is solved on the characteristics of the NICE.II competition problems. The focus of this photograph is to minimize the amount of selected features and maximize the decision-making capacity in the literature to measure the decision-making power of a system) using the EqualError Rate(ER) and the Hipervolume as optimization evaluation measures. At the end of this work, a major decision and a reduction in the quality of selected traits was obtained for when both aspects of use when using all genetic traits compared to all traits. When comparing the performance of the two algorithms, R-NSGA-II was slightly superior to NSGA-II due to its nature of having a different reference point by the programmer during optimization.pt_BR
dc.contributor.authorID16.1.1345pt_BR
Appears in Collections:Engenharia de Controle e Automação

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_AbordagemMultiobjetivoSeleção.pdf3,8 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons