Análise Discriminante Usando Densidades Preditivas Aproximadas

Reconhecimento e classificação de padrões são problemas importantes em uma variedade de áreas cientificas, como biologia, psicologia, medicina, visão computacional, etc.... Porém este problema não é de fácil solução quando a distribuição de probabilidade dos dados é totalmente desconhecida. Neste projeto, combinamos o Método Kernel Multivariado de estimação de densidades com um enfoque Bayesiano e propomos uma modificação no algoritmo BPKDA para problemas de classificação usando uma Análise Discriminante via Distribuições Preditivas Aproximadas. Estudos empíricos serão realizados para avaliar o efeito da modificação proposta. O desempenho dessa nova versão do BPKDA será aplicado em conjuntos de dados bastante difundidos na literatura, como por exemplo os disponíveis no site da UCI Machine Repository.FAPEA