Aprendizado de métrica supervisionado para classificador por arestas de suporte

Página do item simplificado
dc.creatorIgor Pereira Gomes
dc.creatorLuiz Carlos Bambirra Torres
dc.creatorAntônio de Pádua Braga
dc.date.accessioned2025-03-27T14:58:51Z
dc.date.accessioned2025-09-09T00:18:52Z
dc.date.available2025-03-27T14:58:51Z
dc.date.issued2017
dc.identifier.urihttps://hdl.handle.net/1843/80998
dc.languagepor
dc.publisherUniversidade Federal de Minas Gerais
dc.relation.ispartofXIII Congresso Brasileiro de Inteligência Computacional
dc.rightsAcesso Aberto
dc.subjectEngenharia - Métodos estatísticos
dc.subjectTeoria dos grafos
dc.subjectAlgoritmos
dc.subject.othermétodo Large Margin Nearest Neighbors, estrutura de Grafos de Gabriel
dc.subject.othero benchmark testado foi estatisticamente equivalente ao do classificador CHIP-CLAS original e ao SVM com kernel RBF (RBF-SVM) e polinomial (Poly-SVM)
dc.titleAprendizado de métrica supervisionado para classificador por arestas de suporte
dc.typeArtigo de evento
local.description.resumoComo outros modelos baseados em informações de margem, os Classificadores por Arestas de Suporte (CLAS) utilizam propriedades intrínsecas dos Grafos de Gabriel para filtrar amostras na região de separação visando a suavizar a resposta do classificador. A abordagem utilizada está sujeita à distribuição das amostras na região de superposição e pode depender do conjunto de dados. Como alternativa, propõe-se, neste trabalho, uma etapa de aprendizado de métrica supervisionado baseado no método Large Margin Nearest Neighbors no treinamento de modelos CLAS com o efeito de reduzir a sobreposição entre as classes e controlar também a suavização do modelo.
local.publisher.countryBrasil
local.publisher.departmentENG - DEPARTAMENTO DE ENGENHARIA ELETRÔNICA
local.publisher.initialsUFMG
local.url.externahttp://cbic2017.org/papers/cbic-paper-52.pdf

Arquivos

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
License.txt
Tamanho:
1.99 KB
Formato:
Plain Text
Descrição:
Baixar

Coleções

Artigo de Evento

Logo UFMG