Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

A Novel Approach for Optimum-Path Forest Classification Using Fuzzy Logic

Texto completo
Autor(es):
de Souza, Renato William R. [1] ; de Oliveira, Joao Vitor Chaves [2, 3] ; Passos, Jr., Leandro A. [4] ; Ding, Weiping [5] ; Papa, Joao P. [4] ; de Albuquerque, Victor Hugo C. [1]
Número total de Autores: 6
Afiliação do(s) autor(es):
[1] Univ Fortaleza, Grad Program Appl Informat, BR-60811905 Fortaleza, Ceara - Brazil
[2] Pontificia Univ Catolica Rio de Janeiro, BR-22451900 Rio De Janeiro - Brazil
[3] Pontifical Catholic Univ Rio de Janeiro, BR-22451900 Rio De Janeiro - Brazil
[4] Sao Paulo State Univ, BR-01049010 Sao Paulo - Brazil
[5] Nantong Univ, Sch Informat Sci & Technol, Nantong 226019 - Peoples R China
Número total de Afiliações: 5
Tipo de documento: Artigo Científico
Fonte: IEEE TRANSACTIONS ON FUZZY SYSTEMS; v. 28, n. 12, p. 3076-3086, DEC 2020.
Citações Web of Science: 5
Resumo

In the past decades, fuzzy logic has played an essential role in many research areas. Alongside, graph-based pattern recognition has shown to be of great importance due to its flexibility in partitioning the feature space using the background from graph theory. Some years ago, a new framework for supervised, semisupervised, and unsupervised learning, named optimum-path forest (OPF), was proposed with competitive results in several applications, besides comprising a low computational burden. In this article, we propose the fuzzy OPF, an improved version of the standard OPF classifier, that learns the samples' membership in an unsupervised fashion, which are further incorporated during supervised training. Such information is used to identify the most relevant training samples, thus improving the classification step. Experiments conducted over 12 public datasets highlight the robustness of the proposed approach, which behaves similarly to standard OPF in worst case scenarios. (AU)

Processo FAPESP: 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular
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: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 18/21934-5 - Estatística de redes: teoria, métodos e aplicações
Beneficiário:André Fujita
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE