Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Castelo-Fernandez, Cesar | - |
Autor(es): dc.creator | Rezende, Pedro J. de | - |
Autor(es): dc.creator | Falcao, Alexandre X. | - |
Autor(es): dc.creator | Papa, Joao Paulo [UNESP] | - |
Autor(es): dc.creator | Bloch, I | - |
Autor(es): dc.creator | Cesar, R. M. | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:07:57Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:07:57Z | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2010-01-01 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/195975 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/195975 | - |
Descrição: dc.description | In this work, a new approach for supervised pattern recognition is presented which improves the learning algorithm of the Optimum-Path Forest classifier (OPF), centered on detection and elimination of outliers in the training set. Identification of outliers is based on a penalty computed for each sample in the training set from the corresponding number of imputable false positive and false negative classification of samples. This approach enhances the accuracy of OFF while still gaining in classification time, at the expense of a slight increase in training time. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | FAEPEX/Unicamp | - |
Descrição: dc.description | Univ Estadual Campinas, Inst Comp, Campinas, SP, Brazil | - |
Descrição: dc.description | Univ Sao Paulo, Dept Comp, UNESP, Bauru, Brazil | - |
Descrição: dc.description | Univ Sao Paulo, Dept Comp, UNESP, Bauru, Brazil | - |
Descrição: dc.description | CAPES: 01-P-04388/2010 | - |
Descrição: dc.description | CNPq: 472504/2007-0 | - |
Descrição: dc.description | CNPq: 483177/2009-1 | - |
Descrição: dc.description | FAPESP: 07/52015-0 | - |
Descrição: dc.description | CNPq: 481556/2009-5 | - |
Descrição: dc.description | CNPq: 302617/2007-8 | - |
Descrição: dc.description | FAPESP: 2007/52015-0 | - |
Descrição: dc.description | FAPESP: 2009/16206-1 | - |
Formato: dc.format | 467-+ | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Springer | - |
Relação: dc.relation | Progress In Pattern Recognition, Image Analysis, Computer Vision, And Applications | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | Optimum-Path Forest Classifier | - |
Palavras-chave: dc.subject | Outlier Detection | - |
Palavras-chave: dc.subject | Supervised Classification | - |
Palavras-chave: dc.subject | Learning Algorithm | - |
Título: dc.title | Improving the Accuracy of the Optimum-Path Forest Supervised Classifier for Large Datasets | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: