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 Federal de São Carlos (UFSCar) | - |
Autor(es): dc.contributor | Petróleo Brasileiro S.A. | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Afonso, Luis C. S. | - |
Autor(es): dc.creator | Colombo, Danilo | - |
Autor(es): dc.creator | Pereira, Clayton R. [UNESP] | - |
Autor(es): dc.creator | Costa, Kelton A. P. [UNESP] | - |
Autor(es): dc.creator | Papa, Joao P. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:32:56Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:32:56Z | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2019-07-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/IJCNN.2019.8852454 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/201222 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/201222 | - |
Descrição: dc.description | Multiple-instance (MI) learning aims at modeling problems that are better described by several instances of a given sample instead of individual descriptions often employed by standard machine learning approaches. In binary-driven MI problems, the entire bag is considered positive if one (at least) sample is labeled as positive. On the other hand, a bag is considered negative if it contains all samples labeled as negative as well. In this paper, we introduced the Optimum-Path Forest (OPF) classifier to the context of multiple-instance learning paradigm, and we evaluated it in different scenarios that range from molecule description, text categorization, and anomaly detection in well-drilling report classification. The experimental results showed that two different OPF classifiers are very much suitable to handle problems in the multiple-instance learning paradigm. | - |
Descrição: dc.description | Department of Computing UFSCar - Federal University of São Carlos | - |
Descrição: dc.description | Cenpes Petróleo Brasileiro S.A. | - |
Descrição: dc.description | Department of Computing UNESP - São Paulo State University | - |
Descrição: dc.description | Department of Computing UNESP - São Paulo State University | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings of the International Joint Conference on Neural Networks | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Multiple-Instance Learning through Optimum-Path Forest | - |
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: