| Texto completo | |
| Autor(es): |
Castelo-Fernandez, Cesar
;
de Rezende, Pedro J.
;
Falcao, Alexandre X.
;
Papa, Joao Paulo
;
Bloch, I
;
Cesar, RM
Número total de Autores: 6
|
| Tipo de documento: | Artigo Científico |
| Fonte: | Lecture Notes in Computer Science; v. 6419, p. 3-pg., 2010-01-01. |
| 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. (AU) | |
| Processo FAPESP: | 07/52015-0 - Métodos de aproximação para computação visual |
| Beneficiário: | Jorge Stolfi |
| Modalidade de apoio: | Auxílio à Pesquisa - Temático |
| Processo FAPESP: | 09/16206-1 - Novas tendências em reconhecimento de padrões baseado em floresta de caminhos ótimos |
| Beneficiário: | João Paulo Papa |
| Modalidade de apoio: | Auxílio à Pesquisa - Jovens Pesquisadores |
| Processo FAPESP: | 07/52015-0 - Métodos de aproximação para computação visual |
| Beneficiário: | Jorge Stolfi |
| Modalidade de apoio: | Auxílio à Pesquisa - Temático |