Dissertação
Learning with Block-wise Missing Data to Diagnose Psychiatric Disorders EVALUATED
A tese proposta tem como objectivo avaliar se um tratamento adequado da ocorrencia de missings em bloco leva a uma melhor descrição e classificacão de doenças do foro psiquiátrico. Ao comprovar-se esta hipotese, é possível contribuir para uma melhor delineação das fronteiras tanto entre doenças afectivas e psicoticas, como dentro das psicoses (entre esquizófrenia simples e indeferenciada) ou disturbios afectivos (entre transtorno esquizoafectivo e bipolaridade). Para este fim, a iniciativa SchizConnect reúne estudos de coorte, caracterizados por heterogeneidade e níveis elevados de esparsidade de dados. Apesar da relevância desta iniciativa, os dados que dela advêm são esparsos, heterogéneos e de grande dimensão, representando assim desafios que o trabalho relacionado no domínio não ajuda a resolver. De forma complementar às contribuições aplicacionais – detecção de avaliações cognitivas que melhor discriminam o diagnóstico de um distúrbio específico – este trabalho também propõe uma nova metodologia baseada em encontrar e pesar relevantes subespaços de dados para lidar eficazmentecom a ocorrência de missings em bloco. A abordagem proposta baseada em partições permite a sua aplicação com quaisquer classificadores clássicos. Os resultados obtidos confirmam a sua superioridade quando comparado a imputações com média, mediana e nearest neighbours.
novembro 19, 2019, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Rui Miguel Carrasqueiro Henriques
Departamento de Engenharia Informática (DEI)
Professor Auxiliar