Nesse capítulo foram apresentados os resultados dos experimentos realizados. Foi visto que, no comparativo DVU x DVU, para base de dados Flags, os melhores resultados foram obtidos pelo método BRST em cerca de 80% dos casos, apesar de não haver diferenças estatísticas entre os métodos DVU para essa base. Para base de dados Emotions, cerca de 50% dos melhores resultados foram obtidos pelo método STXBR e 50% pelo método BRST, apesar dos testes estatísticos de Wilcoxon não apontarem para diferenças estatísticas entre os métodos. Para a base de dados Genbase, o STXBR em 40% dos casos a maioria dos melhores, enquanto o BRST obteve 60% da maioria dos melhores resultados. Para essa última base também não houve diferenças estatísticas entre os métodos. Desse modo pode se concluir que o método STXBR, método DVU proposto nesse trabalho, obteve desempenho similar ao método BRST, método já existente na literatura.
Foi visto que, no comparativo DVM x DVM para base de dados Flags, os melhores resultados foram obtidos em 40% dos casos pelo método BRCoPSS e em 60%
dos casos pelo método CPXBR, sendo nesse caso 100% de predominância dos métodos que utilizam apenas uma descrição. Os testes estatísticos de Friedman apontaram para diferenças estatísticas entre os métodos. Depois de aplicado o teste de Wilcoxon, para a avaliação método a método, o BRCoPSS e o CPXBR foram estatisticamente melhores que os métodos BRCoT e COTXBR em 100% dos casos. Para a base de dados Emotions, foi visto que em 40% dos casos os melhores resultados foram obtidos com o método BRCoT. Já nos outros casos houve uma variação de desempenho entre os métodos. Estatisticamente, foi visto que o teste de Friedman não apontou para diferenças estatísticas em 80% dos casos. Para a base de dados Genbase, foi visto que em 60% dos casos os melhores resultados foram obtidos com o método COTXBR e 40% pelo BRCoT. Ainda para esta base, foi visto também que os métodos que utilizam mais de uma descrição foram estatisticamente melhores que os métodos que utilizam uma única descrição. Diante desses resultados, conclui-se que a utilização dos métodos propostos nesse trabalho e que utilizam a abordagem co-training pode ser melhor que a utilização dos métodos já existentes e que utilizam a abordagem co-perspective, em alguns casos.
Foi visto que, nos comparativos entre os métodos de classificação multirrótulo supervisionado BR x métodos de classificação multirrótulo semissupervisionados DVU, para a base de dados Flags, que o método semissupervisionado BRST, método já existente na literatura, obteve os melhores resultados em 80% dos casos. O método semissupervisionado STXBR, proposto nesse trabalho, obteve melhores resultados nos outros 10% dos casos. O teste de Wilcoxon comprovou diferenças estatísticas entre os métodos em 40% dos casos. Para a base de dados Emotions, em 100% dos casos, os melhores resultados foram obtidos pelo método supervisionado BR. Para essa base, estatisticamente, o método supervisionado BR foi melhor que os métodos semissupervisionados em 60% dos casos. No caso da base de dados Genbase, os melhores resultados também foram obtidos pelo método supervisionado BR em 100% dos casos. Estatisticamente, o método supervisionado BR foi superior aos métodos semissupervisionados nos casos em 60% dos casos.
Foi visto nos comparativos entre os métodos de classificações multirrótulo supervisionado BR x métodos de classificação multirrótulo semissupervisionados DVM aplicados a base de dados flags, que os métodos semissupervisionados foram melhores que o método supervisionado, colocando em destaque o método BRCoPSS e o CPXBR, que, quando somados, obtiveram os melhores resultados em 100% dos casos, sendo
40% para BRCoPSS e 60% para o CPXBR. O teste de Wilcoxon apontou para diferenças estatísticas em 100% dos casos, quando comparado o método BR ao método BRCoPSS. Já os métodos CPXBR e o BRCoT foram estatisticamente melhor que o método supervisionado BR em 80% dos casos. O método COTXBR foi melhor estatisticamente que o método BR em 40% dos casos. Para a base de dados Emotions, os resultados mostram o inverso que aconteceu com a base de dados Flags. Para essa base, em quase 100% dos casos os melhores resultados foram obtidos com o método supervisionado BR. Os testes de Wilcoxon mostraram que o método supervisionado BR foi melhor que o método semissupervisionado BRCoT em 100% dos casos, melhor que o método BRCoPSS em 80% dos casos e em 60% dos casos melhor que o CPXBR e COTXBR. Já para a base de dados Genbase os resultados mostraram uma superioridade do método supervisionado BR em relação aos métodos semissupervisionados em 100% dos casos. Os testes de Wilcoxon mostraram que o método supervisionado BR foi melhor estatisticamente que os métodos semissupervisionado BRCoPSS e CPXBR em 100% dos casos, e em 60% dos casos melhor que os métodos BRCoT e COTXBR.
No geral, no comparativo do método supervisionado BR versus os métodos de classificação multirrótudo semissupervisionado DVU e método supervisionado BR versus os métodos de classificação multirrótudo semissupervisionado DVM, o método BR obtive a maioria dos melhores resultados. Esse resultado já era esperado, já que os métodos supervisionados foram treinados com todos os exemplos rotulados.
Foi visto que, nos comparativos entre os métodos de classificação multirrótulo semissupervisionados DVU x métodos de classificação multirrótulo semissupervisionados DVM, para a tabela Flags, em quase 100% dos casos os algoritmos dos métodos semissupervisionados DVM obtiveram os melhores resultados. Quando comparado caso a caso, através dos testes estatísticos de Wilcoxon, todos os métodos DVM foram estatisticamente melhor que os métodos BRST e STXBR em 80% dos casos. Para a base de dados Emotions, os experimentos para métodos semissupervisionados para dados de visão simples, no geral, foram os que obtiveram os melhores resultados. Sendo destaque o método BRST que obteve em torno de 70% dos casos os melhores resultados. Estatisticamente que o método BRST e STXBR obtiveram os melhores desempenhos que os métodos DVM em 60% dos casos. Por fim, para tabela Genbase, a maioria dos melhores resultados também foi obtida pelos algoritmos dos métodos de classificação semissupervisionados DVU, sendo 40% dos melhores
resultados obtidos pelo método STXBR e 60% dos melhores resultados obtidos pelo método BRST. Estatisticamente, quando aplicado o teste estatístico de Wilcoxon, verificou-se que em 100% dos casos os métodos DVU foram melhores que os métodos DVM. Diante dos resultados, houve uma alternância de melhores resultados, podendo assim concluir que os métodos de classificação multirrótulo semissupervisionados DVM ora tem nos resultados se comparados aos métodos de classificação multirrótulo semissupervisionados DVU, ora os métodos de classificação multirrótulo semissupervisionados DVU tem os melhores resultados.