Método dos K-Vizinhos mais Próximos aplicado ao dignóstico de Alzheimer

Abstract

Neste trabalho implementamos o método dos K-Vizinhos mais Próximos (kVP), um classificador de padrões que classifica um padrão desconhecido a partir das distâncias relativas a um conjunto de treino, juntamente com a técnica SMOTE (Synthetic Minority Over-sampling Technique), que trata o inconveniente de dados desbalanceados para realizarmos a seleção de características do problema de aprendizagem supervisionada em dados de Alzheimer. Em nosso experimento utilizamos algoritmos indutivos para selecionar subconjuntos de variáveis mais efetivas na caracterização dos estágios da doença e validamos sua precisão com o método de 10-fold cross validation. Abordagem, características a serem analisadas.