Atenção!


O atendimento às questões referentes ao Repositório Institucional será interrompido entre os dias 20 de dezembro de 2024 a 5 de janeiro de 2025.

Pedimos a sua compreensão e aproveitamos para desejar boas festas!

 

Improving the Accuracy of the Optimum-Path Forest Supervised Classifier for Large Datasets

Nenhuma Miniatura disponível

Data

2010-01-01

Orientador

Coorientador

Pós-graduação

Curso de graduação

Título da Revista

ISSN da Revista

Título de Volume

Editor

Springer

Tipo

Trabalho apresentado em evento

Direito de acesso

Resumo

In this work, a new approach for supervised pattern recognition is presented which improves the learning algorithm of the Optimum-Path Forest classifier (OPF), centered on detection and elimination of outliers in the training set. Identification of outliers is based on a penalty computed for each sample in the training set from the corresponding number of imputable false positive and false negative classification of samples. This approach enhances the accuracy of OFF while still gaining in classification time, at the expense of a slight increase in training time.

Descrição

Idioma

Inglês

Como citar

Progress In Pattern Recognition, Image Analysis, Computer Vision, And Applications. Berlin: Springer-verlag Berlin, v. 6419, p. 467-+, 2010.

Itens relacionados