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 de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Ponti-, Moacir P. | - |
Autor(es): dc.creator | Papa, Joao P. [UNESP] | - |
Autor(es): dc.creator | Sansone, C. | - |
Autor(es): dc.creator | Kittler, J. | - |
Autor(es): dc.creator | Roli, F. | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:08:15Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:08:15Z | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2011-01-01 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/196019 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/196019 | - |
Descrição: dc.description | The Optimum-Path Forest (OPF) classifier is a recent and promising method for pattern recognition, with a fast training algorithm and good accuracy results. Therefore, the investigation of a combining method for this kind of classifier can be important for many applications. In this paper we report a fast method to combine OFF-based classifiers trained with disjoint training subsets. Given a fixed number of subsets, the algorithm chooses random samples, without replacement, from the original training set. Each subset accuracy is improved by a learning procedure, The final decision is given by majority vote. Experiments with simulated and real data sets showed that the proposed combining method is more efficient and effective than naive approach provided some conditions. It was also showed that OFF training step runs faster for a series of small subsets than for the whole training set. The combining scheme was also designed to support parallel or distributed processing, speeding up the procedure even more. | - |
Descrição: dc.description | Univ Sao Paulo ICMC USP, Inst Math & Comp Sci, BR-13560970 Sao Carlos, SP, Brazil | - |
Descrição: dc.description | UNESP, Dept Comp, Bauru, SP, Brazil | - |
Descrição: dc.description | UNESP, Dept Comp, Bauru, SP, Brazil | - |
Formato: dc.format | 237-+ | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Springer | - |
Relação: dc.relation | Multiple Classifier Systems | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | Optimum-Path Forest classifier | - |
Palavras-chave: dc.subject | distributed combination of classifiers | - |
Palavras-chave: dc.subject | pasting small votes | - |
Título: dc.title | Improving Accuracy and Speed of Optimum-Path Forest Classifier Using Combination of Disjoint Training Subsets | - |
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: