Fechar

1. Identificação
Tipo de ReferênciaSlides (Audiovisual Material)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador83LX3pFwXQZ3qyBY/RL3kk
Repositóriodpi.inpe.br/ismm@80/2007/10.14.17.43
Última Atualização2007:10.14.17.43.32 (UTC) administrator
Repositório de Metadadosdpi.inpe.br/ismm@80/2007/10.14.17.43.33
Última Atualização dos Metadados2021:09.16.02.55.17 (UTC) administrator
Chave de CitaçãoPapaFalMirSuzMas:2007:DeRoPa
TítuloDesign of robust pattern classifiers based on optimum-path forests
Título CurtoSlides
FormatoPrinted, On-line.
Ano2007
Data de Acesso19 maio 2024
Tipo SecundárioCI
Número de Arquivos1
Tamanho528 KiB
2. Contextualização
Autor1 Papa, João Paulo
2 Falcão, Alexandre X.
3 Miranda, Paulo A. V.
4 Suzuki, Celso T. N.
5 Mascarenhas, Nelson D. A.
Endereço de e-Mailafalcao@ic.unicamp.br
Nome do EventoInternational Symposium on Mathematical Morphology, 8 (ISMM).
Localização do EventoRio de Janeiro
DataOct. 2007
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Tipo TerciárioFull Paper
AvançoCamera-ready paper submission
Histórico (UTC)2021-09-16 02:55:17 :: administrator -> afalcao@ic.unicamp.br :: 2007
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavesupervised classifiers
image foresting transform
image analysis
pattern recognition
ResumoWe present a supervised pattern classifier based on optimum path forest. The samples in a training set are nodes of a complete graph, whose arcs are weighted by the distances between sample feature vectors. The training builds a classifier from key samples (prototypes) of all classes, where each prototype defines an optimum path tree whose nodes are its strongest connected samples. The optimum paths are also considered to label unseen test samples with the classes of their strongest connected prototypes. We show how to find prototypes with none classification errors in the training set and propose a learning algorithm to improve accuracy over an evaluation set. The method is robust to outliers, handles non-separable classes, and can outperform support vector machines.
ÁreaSRE
AssuntoMorphological pattern recognition
Sessãoincluding
TipoWatershed segmentation
ArranjoDesign of robust... > Slides
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/83LX3pFwXQZ3qyBY/RL3kk
URL dos dados zipadoshttp://urlib.net/zip/83LX3pFwXQZ3qyBY/RL3kk
Idiomaen
Arquivo Alvopapa_opf.pdf
Grupo de Usuáriosafalcao@ic.unicamp.br
administrator
Visibilidadeshown
5. Fontes relacionadas
Repositório Espelhoiconet.com.br/banon/2007/01.10.09.37
Unidades Imediatamente Superiores83LX3pFwXQZ3qyBY/PKn22
Acervo Hospedeirodpi.inpe.br/hermes2@80/2006/05.03.12.24
sid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Nota1
Campos Vaziosaffiliation archivingpolicy archivist booktitle callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination documentstage doi electronicmailaddress group isbn issn label lineage nextedition notes numberofslides orcid parameterlist parentrepositories previousedition previouslowerunit project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark sponsor tertiarymark url versiontype volume
7. Controle da descrição
e-Mail (login)afalcao@ic.unicamp.br
atualizar 


Fechar