Recent advances on optimum-path forest for data classification: Supervised, semi-supervised, and unsupervised learning

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorFederal University of Dourados Region-
Autor(es): dc.contributorUniversidade Estadual de Campinas (UNICAMP)-
Autor(es): dc.contributorUniversidade do Porto-
Autor(es): dc.creatorPapa, João Paulo-
Autor(es): dc.creatorAmorim, Willian Paraguassu-
Autor(es): dc.creatorFalcão, Alexandre Xavier-
Autor(es): dc.creatorTavares, João Manuel R.S.-
Data de aceite: dc.date.accessioned2025-08-21T19:54:55Z-
Data de disponibilização: dc.date.available2025-08-21T19:54:55Z-
Data de envio: dc.date.issued2022-05-01-
Data de envio: dc.date.issued2022-05-01-
Data de envio: dc.date.issued2015-12-15-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1142/9789814656535_0006-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/233744-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/233744-
Descrição: dc.descriptionAlthough one can find several pattern recognition techniques out there, there is still room for improvements and new approaches. In this book chapter, we revisited the Optimum-Path Forest (OPF) classifier, which has been evaluated over the last years in a number of applications that consider supervised, semi-supervised and unsupervised learning problems. We also presented a brief compilation of a number of previous works that employed OPF in different research fields, that range from remote sensing image classification to medical data analysis.-
Descrição: dc.descriptionDepartment of Computing São Paulo State University-
Descrição: dc.descriptionFederal University of Dourados Region-
Descrição: dc.descriptionInstitute of Computing University of Campinas-
Descrição: dc.descriptionInstituto de Ciência e Inovação em Engenharia Mecânica e Engenharia Industrial Departamento e Engenharia Mecânica Faculdade de Engenharia Universidade do Porto-
Descrição: dc.descriptionDepartment of Computing São Paulo State University-
Formato: dc.format109-123-
Idioma: dc.languageen-
Relação: dc.relationHandbook Of Pattern Recognition And Computer Vision (5th Edition)-
???dc.source???: dc.sourceScopus-
Título: dc.titleRecent advances on optimum-path forest for data classification: Supervised, semi-supervised, and unsupervised learning-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.