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.creator | Torres, Luiz Carlos Bambirra | - |
Autor(es): dc.creator | Castro, Cristiano Leite de | - |
Autor(es): dc.creator | Coelho, Frederico Gualberto Ferreira | - |
Autor(es): dc.creator | Braga, Antônio de Pádua | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:15:04Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:15:04Z | - |
Data de envio: dc.date.issued | 2022-09-15 | - |
Data de envio: dc.date.issued | 2022-09-15 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/jspui/handle/123456789/15313 | - |
Fonte completa do material: dc.identifier | https://ieeexplore.ieee.org/document/9064693 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.1109/TNNLS.2020.2980559 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1007919 | - |
Descrição: dc.description | This brief presents a geometrical approach for obtaining large margin classifiers. The method aims at exploring the geometrical properties of the data set from the structure of a Gabriel graph, which represents pattern relations according to a given distance metric, such as the Euclidean distance. Once the graph is generated, geometrical support vectors (SVs) (analogous to support vector machines (SVMs) SVs) are obtained in order to yield the final large margin solution from a Gaussian mixture model. Experiments with 20 data sets have shown that the solutions obtained with the proposed method are statistically equivalent to those obtained with SVMs. However, the present method does not require optimization and can also be extended to large data sets using the cascade SVM concept. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | restrito | - |
Palavras-chave: dc.subject | Classification | - |
Palavras-chave: dc.subject | Kernel | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | neural networks | - |
Título: dc.title | Large margin gaussian mixture classifier with a Gabriel graph geometric representation of data set structure. | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
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: