
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Presotto, João Gabriel Camacho | - |
| Autor(es): dc.creator | Valem, Lucas Pascotti | - |
| Autor(es): dc.creator | de Sá, Nikolas Gomes | - |
| Autor(es): dc.creator | Pedronette, Daniel Carlos Guimarães | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:15:58Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:15:58Z | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2019-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/ICPR48806.2021.9412596 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/233278 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/233278 | - |
| Descrição: dc.description | Machine learning approaches have achieved remarkable advances over the last decades, especially in supervised learning tasks such as classification. Meanwhile, multimedia data and applications experienced an explosive growth, becoming ubiquitous in diverse domains. Due to the huge increase in multimedia data collections and the lack of labeled data in several scenarios, creating methods capable of exploiting the unlabeled data and operating under weakly supervision is imperative. In this work, we propose a rank-based model to exploit contextual information encoded in the unlabeled data in order to perform weakly supervised classification. We employ different rank-based correlation measures for identifying strong similarities relationships and expanding the labeled set in an unsupervised way. Subsequently, the extended labeled set is used by a classifier to achieve better accuracy results. The proposed weakly supervised approach was evaluated on multimedia classification tasks, considering several combinations of rank correlation measures and classifiers. An experimental evaluation was conducted on 4 public image datasets and different features. Very positive gains were achieved in comparison with various semi-supervised and supervised classifiers taken as baselines when considering the same amount of labeled data. | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Department of Statistics Applied Math. and Computing UNESP São Paulo State University, SP | - |
| Descrição: dc.description | School of Sciences UNESP São Paulo State University, SP | - |
| Descrição: dc.description | Department of Statistics Applied Math. and Computing UNESP São Paulo State University, SP | - |
| Descrição: dc.description | School of Sciences UNESP São Paulo State University, SP | - |
| Descrição: dc.description | FAPESP: 2019/04754-6 | - |
| Formato: dc.format | 5752-5759 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Proceedings - International Conference on Pattern Recognition | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Classification | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Rank correlation measure | - |
| Palavras-chave: dc.subject | Weak supervision | - |
| Título: dc.title | Weakly supervised learning through rank-based contextual measures | - |
| Tipo de arquivo: dc.type | aula digital | - |
| 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: