
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 | De Rosa, Gustavo H. | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:46:09Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:46:09Z | - |
| Data de envio: dc.date.issued | 2023-03-01 | - |
| Data de envio: dc.date.issued | 2023-03-01 | - |
| Data de envio: dc.date.issued | 2022-01-23 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/B978-0-12-822688-9.00015-3 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/241424 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/241424 | - |
| Descrição: dc.description | Recent advances in machine learning algorithms have been aiding humans and improving their decision-making capacities in various applications, such as medical imaging, image classification and reconstruction, object recognition, and text categorization. A graph-based classifier, known as Optimum-Path Forest (OPF), has been extensively researched in the last years, mainly due to its parameterless nature and state-of-the-art results compared to well-known literature classifiers, for example, support vector machines. Nevertheless, one drawback concerning such an approach lies in its distance calculation, which has to be selected from a range of formulae and computed between all nodes to weigh the graph's arcs, and hence time-consuming. Therefore in this work, we propose to address such a problem by precomputing the arcs' distances through a similarity measure obtained from Siamese networks. The idea is to employ the same training set used by the OPF classifier to train a Siamese network and calculate the samples' distance through a similarity measure. The experimental results show that the proposed method is suitable, where the similarity-based OPF achieved comparable results to its standard counterpart and even surpassed it in some datasets. Additionally, the precalculated similarity matrix lessens the burden of recalculating the distances for every new classification. © 2022 Copyright | - |
| Descrição: dc.description | Department of Computing São Paulo State University, Bauru | - |
| Descrição: dc.description | UNESP - São Paulo State University School of Sciences | - |
| Descrição: dc.description | Department of Computing São Paulo State University, Bauru | - |
| Descrição: dc.description | UNESP - São Paulo State University School of Sciences | - |
| Formato: dc.format | 155-173 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Optimum-Path Forest: Theory, Algorithms, and Applications | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Optimum-path forest | - |
| Palavras-chave: dc.subject | Siamese network | - |
| Palavras-chave: dc.subject | Similarity function | - |
| Palavras-chave: dc.subject | Supervised classification | - |
| Título: dc.title | Learning to weight similarity measures with Siamese networks: A case study on optimum-path forest | - |
| Tipo de arquivo: dc.type | livro 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: