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 | Rozin, Bionda | - |
Autor(es): dc.creator | Bergamim, Emílio | - |
Autor(es): dc.creator | Pedronette, Daniel Carlos Guimarães | - |
Autor(es): dc.creator | Breve, Fabricio Aparecido | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:30:22Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:30:22Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-36808-0_4 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307452 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307452 | - |
Descrição: dc.description | Time series data is of crucial importance in different domains, such as financial and medical applications. However, obtaining a large amount of labeled time series data is an expensive and time-consuming task, which becomes the process of building an effective machine learning model a challenge. In these scenarios, algorithms that can deal with reduced amounts of labeled data emerge. One example is Semi-Supervised Learning (SSL), which has the capability of exploring both labeled and unlabeled data for tasks such as classification. In this work, a kNN graph-based transductive SSL approach is used for time series classification. A feature extraction step, based on imaging time series and obtaining features using deep neural networks is performed before the classification step. An extensive evaluation is conducted over four datasets, and a parametric analysis of the nearest neighbors is performed. Also, a statistical analysis over the obtained distances is conducted. Results suggest that our methods are suitable for classification and competitive with supervised baselines in some datasets. | - |
Descrição: dc.description | Department of Statistics Applied Mathematics and Computing (DEMAC). Sao Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Statistics Applied Mathematics and Computing (DEMAC). Sao Paulo State University (UNESP) | - |
Formato: dc.format | 48-65 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Classification | - |
Palavras-chave: dc.subject | Feature Extraction | - |
Palavras-chave: dc.subject | Graph | - |
Palavras-chave: dc.subject | Images | - |
Palavras-chave: dc.subject | Neural Networks | - |
Palavras-chave: dc.subject | Time Series | - |
Palavras-chave: dc.subject | Transductive Semi Supervised Learning | - |
Título: dc.title | Semi-supervised Time Series Classification Through Image Representations | - |
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: