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 Paulista (Unesp) | - |
Autor(es): dc.contributor | Universidade Do Oeste Paulista (UNOESTE) | - |
Autor(es): dc.creator | Eler, Danilo Medeiros [UNESP] | - |
Autor(es): dc.creator | Batista, Matheus Prachedes [UNESP] | - |
Autor(es): dc.creator | Garcia, Rogério Eduardo [UNESP] | - |
Autor(es): dc.creator | Pereira, Danillo Roberto | - |
Autor(es): dc.creator | Marcilio, Wilson Estecio [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:33:30Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:33:30Z | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2019-10-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/BRACIS.2019.00139 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/201429 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/201429 | - |
Descrição: dc.description | Optimum-path forest (OPF) is a graph based classifier in which the training process computes optimum-path trees rooted by prototype instances. Thus, one or more optimum-path trees represent each class and the testing process is based on identifying which optimum-path tree would contain a test sample. Usually, OPF performance is analyzed based on measures computed from training and testing process, such as f-score and correct classification rate (accuracy). This paper proposes an approach based on visualization to support understanding of OPF training and testing processes. The visual approach uses multidimensional projection techniques to reduce the feature space dimensionality and to generate graphical representation from instances similarities. As a result, one can visualize, analyze and understand each step of OPF classifier: generation of the minimum-spanning tree, prototypes choosing, computation of optimum-path trees, and test samples classification. The experiments show that our approach is useful to understand how the prototypes are chosen, to identify what are the best prototypes, to visualize how the training dataset size influences the OPF performance, to analyze how a weak feature space can impact the OPF performance, and to identify some insights about OPF classifier as a whole. | - |
Descrição: dc.description | São Paulo State University (UNESP) | - |
Descrição: dc.description | Universidade Do Oeste Paulista (UNOESTE) | - |
Descrição: dc.description | São Paulo State University (UNESP) | - |
Formato: dc.format | 777-782 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings - 2019 Brazilian Conference on Intelligent Systems, BRACIS 2019 | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Explainable artificial intelligence | - |
Palavras-chave: dc.subject | Multidimensional projection | - |
Palavras-chave: dc.subject | Optimum-path forest | - |
Palavras-chave: dc.subject | Visualization assisted machine learning | - |
Título: dc.title | Visual approach to support analysis of optimum-path forest classifier | - |
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: