Learning cost function for graph classification with open-set methods

Autor(es)

Werneck, Rafael de Oliveira ^[1] ; Raveaux, Romain ^[2] ; Tabbone, Salvatore ^[3] ; Torres, Ricardo da Silva ^{[1, 4]}

Afiliação do(s) autor(es)

^[1] Univ Campinas UNICAMP, Inst Comp, BR-13083852 Campinas, SP - Brazil

^[2] Univ Francois Rabelais Tours, F-37200 Tours - France

^[3] Univ Lorraine, LORIA UMR 7503, Vandoeuvre Les Nancy - France

^[4] Norwegian Univ Sci & Technol, Dept ICT & Nat Sci, NTNU, Trondheim - Norway

• Tipo de documento: Artigo Científico
• Fonte: PATTERN RECOGNITION LETTERS; v. 128, p. 8-15, DEC 1 2019.
• Citações Web of Science: 1

Resumo

In several pattern recognition problems, effective graph matching is of paramount importance. In this paper, we introduce a novel framework to learn discriminative cost functions. These cost functions are embedded into a graph matching-based classifier. The learning algorithm is based on an open-set recognition approach. An open-set recognition describes a problem formulation in which the training process does not have access to labeled samples of all classes that may show up during the test phase. We also investigate a set of measures to characterize local graph properties. Performed experiments considering widely used datasets demonstrate that our solution leads to better or comparable results to those observed for several state-of-the-art baselines. (C) 2019 Elsevier B.V. All rights reserved. (AU)

• Processo FAPESP: 13/50169-1 - Towards an understanding of tipping points within tropical South American biomes
• Beneficiário: Ricardo da Silva Torres
• Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
• Processo FAPESP: 14/50715-9 - Characterizing and predicting biomass production in sugarcane and eucalyptus plantations in Brazil
• Beneficiário: Rubens Augusto Camargo Lamparelli
• Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
• Processo FAPESP: 17/20945-0 - EMU concedido no processo 16/50250-1: local positioning system
• Beneficiário: Sergio Augusto Cunha
• Linha de fomento: Auxílio à Pesquisa - Programa Equipamentos Multiusuários
• Processo FAPESP: 15/24494-8 - Comunicação e processamento de big data em nuvens e névoas computacionais
• Beneficiário: Nelson Luis Saldanha da Fonseca
• Linha de fomento: Auxílio à Pesquisa - Temático
• Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
• Beneficiário: Alexandre Xavier Falcão
• Linha de fomento: Auxílio à Pesquisa - Temático
• Processo FAPESP: 17/16453-5 - Uma abordagem baseada em sacola de grafos para representações envolvendo múltiplas modalidades
• Beneficiário: Rafael de Oliveira Werneck
• Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Processo FAPESP: 16/18429-1 - Uma abordagem baseada em sacola de grafos para representações envolvendo múltiplas modalidades
• Beneficiário: Rafael de Oliveira Werneck
• Linha de fomento: Bolsas no Brasil - Doutorado
• Processo FAPESP: 13/50155-0 - Combining new technologies to monitor phenology from leaves to ecosystems
• Beneficiário: Leonor Patricia Cerdeira Morellato
• Linha de fomento: Auxílio à Pesquisa - Programa de Pesquisa sobre Mudanças Climáticas Globais - PITE