Combinacao de classificadores.

• Processo: 04/11586-7
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de julho de 2005
• Data de Término da vigência: 30 de junho de 2007
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Nina Sumiko Tomita Hirata
• Beneficiário: Nina Sumiko Tomita Hirata
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Análise de imagens Reconhecimento de padrões
• Palavra(s)-Chave do Pesquisador: Analise De Imagens | Combinacao De Classificadores | Reconhecimento De Padroes | Sistemas Multi-Classificadores

Resumo

Atualmente existem várias técnicas estatístico-computacionais para classificação de dados e, nos últimos anos, diferentes técnicas de combinação de classificadores (as que se utilizam de mais de um classificador) tem sido propostas. Diante da profusão de técnicas para classificação, torna-se cada dia mais difícil escolher uma que seja adequada e também realizar o ajuste dos diversos parâmetros durante o projeto de classificadores. A escolha criteriosa geralmente envolve um grande número combinatório de possibilidades a serem testadas. Diante deste quadro, um sistema computacional que automatize parte da tarefa de projetar classificadores é altamente desejável tanto para facilitar pesquisas na área como para servir de ferramenta para usuários que não são especialistas no assunto. Estabelecendo-se tal sistema como um objetivo a médio-longo prazo, uma parte fundamental para sua realização é o desenvolvimento de uma visão sistêmica do processo de projeto de classificadores. Conhecer as técnicas existentes, seus funda-mentos teóricos e aspectos relacionados a suas aplicações é essencial para o desenvolvimento dessa visão. Este projeto de pesquisa propõe uma ampla investigação teórica sobre técnicas de combinação de classificadores e a experimentação dessas técnicas no problema de reconhecimento de dígitos manuscritos. A primeira será materializada em forma de um relatório técnico, a segunda resultará em um conjunto de ferramentas computacionais úteis para projeto de classificadores, e as duas juntas serão fundamentais para o desenvolvimento da visão sistêmica mencionada acima. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SANTOS, CARLOS S.; HIRATA, NINA S. T.; HIRATA, ROBERTO. An Information Theory framework for two-stage binary image operator design. PATTERN RECOGNITION LETTERS, v. 31, n. 4, p. 10-pg., 2010-03-01. (04/11586-7, 05/04614-7)

SANTOS, CARLOS S.; HIRATA, NINA S. T.; HIRATA, ROBERTO. An Information Theory framework for two-stage binary image operator design. PATTERN RECOGNITION LETTERS, v. 31, n. 4, SI, p. 297-306, MAR 1 2010. (04/11586-7, 05/04614-7)

HIRATA, NINA S. T.. Multilevel Training of Binary Morphological Operators. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, v. 31, n. 4, p. 707-720, APR 2009. (04/11586-7)