Improving the Accuracy of the Optimum-Path Forest Supervised Classifier for Large Datasets

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual de Campinas (UNICAMP)-
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.creatorCastelo-Fernandez, Cesar-
Autor(es): dc.creatorRezende, Pedro J. de-
Autor(es): dc.creatorFalcao, Alexandre X.-
Autor(es): dc.creatorPapa, Joao Paulo [UNESP]-
Autor(es): dc.creatorBloch, I-
Autor(es): dc.creatorCesar, R. M.-
Data de aceite: dc.date.accessioned2022-02-22T00:07:57Z-
Data de disponibilização: dc.date.available2022-02-22T00:07:57Z-
Data de envio: dc.date.issued2020-12-09-
Data de envio: dc.date.issued2020-12-09-
Data de envio: dc.date.issued2010-01-01-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/195975-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/195975-
Descrição: dc.descriptionIn 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.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionFAEPEX/Unicamp-
Descrição: dc.descriptionUniv Estadual Campinas, Inst Comp, Campinas, SP, Brazil-
Descrição: dc.descriptionUniv Sao Paulo, Dept Comp, UNESP, Bauru, Brazil-
Descrição: dc.descriptionUniv Sao Paulo, Dept Comp, UNESP, Bauru, Brazil-
Descrição: dc.descriptionCAPES: 01-P-04388/2010-
Descrição: dc.descriptionCNPq: 472504/2007-0-
Descrição: dc.descriptionCNPq: 483177/2009-1-
Descrição: dc.descriptionFAPESP: 07/52015-0-
Descrição: dc.descriptionCNPq: 481556/2009-5-
Descrição: dc.descriptionCNPq: 302617/2007-8-
Descrição: dc.descriptionFAPESP: 2007/52015-0-
Descrição: dc.descriptionFAPESP: 2009/16206-1-
Formato: dc.format467-+-
Idioma: dc.languageen-
Publicador: dc.publisherSpringer-
Relação: dc.relationProgress In Pattern Recognition, Image Analysis, Computer Vision, And Applications-
???dc.source???: dc.sourceWeb of Science-
Palavras-chave: dc.subjectOptimum-Path Forest Classifier-
Palavras-chave: dc.subjectOutlier Detection-
Palavras-chave: dc.subjectSupervised Classification-
Palavras-chave: dc.subjectLearning Algorithm-
Título: dc.titleImproving the Accuracy of the Optimum-Path Forest Supervised Classifier for Large Datasets-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.