| Texto completo | |
| Autor(es): |
Jodas, Danilo
;
Passos, Leandro A.
;
Rodrigues, Douglas
;
Costa, Kelton
;
Papa, Joao Paulo
Número total de Autores: 5
|
| Tipo de documento: | Artigo Científico |
| Fonte: | PATTERN RECOGNITION, ICPR 2024, PT VII; v. 15307, p. 18-pg., 2025-01-01. |
| Resumo | |
Ensemble pruning techniques are widely used to enhance a set of classifiers' efficiency and predictive performance by selecting a subset of representative models, preventing redundancy, and ensuring diversity in classification tasks. The Optimum-Path Forest (OPF), a stable and efficient graph-based framework, offers versatile supervised and unsupervised capabilities in various machine-learning applications. The supervised version provides remarkable results with a simple graph-based structure produced by a training process conducted over a single dataset. However, one can notice little effort in OPF-based ensemble learning. This paper introduces an innovative approach to pruning OPF classifiers using meta-descriptions learned by Graph-Matching Networks, which are further employed to cluster similar OPF instances. The strategy selectively chooses representative models that excel in predictive tasks from groups generated by unsupervised OPF. Results demonstrate competitive performance to state-of-the-art pruning algorithms, with experiments conducted over fifteen public datasets, encouraging further exploration of Graph Matching Networks applied to ensemble pruning. (AU) | |
| Processo FAPESP: | 23/14354-0 - Ferramenta para gestão de árvores urbanas baseada em aprendizado de máquina |
| Beneficiário: | Danilo Samuel Jodas |
| Modalidade de apoio: | Bolsas no Brasil - Programa Capacitação - Treinamento Técnico |
| Processo FAPESP: | 18/25225-9 - Centro de Pesquisa e Análise de São Paulo |
| Beneficiário: | Sergio Ferraz Novaes |
| Modalidade de apoio: | Auxílio à Pesquisa - Projetos Especiais |
| Processo FAPESP: | 23/01374-3 - Estudo e desenvolvimento de modelos computacionais inteligentes biologicamente plausíveis |
| Beneficiário: | João Paulo Papa |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Processo FAPESP: | 23/10823-6 - Estudo e Desenvolvimento de Modelos Computacionais Inteligentes Biologicamente Plausíveis |
| Beneficiário: | Leandro Aparecido Passos Junior |
| Modalidade de apoio: | Bolsas no Brasil - Programa Fixação de Jovens Doutores |
| Processo FAPESP: | 19/07665-4 - Centro de Inteligência Artificial |
| Beneficiário: | Fabio Gagliardi Cozman |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa eScience e Data Science - Centros de Pesquisa Aplicada |
| Processo FAPESP: | 23/03726-4 - Estudo e Desenvolvimento de Algoritmos Multimétodo Multiobjetivos |
| Beneficiário: | Douglas Rodrigues |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Processo FAPESP: | 23/14427-8 - Ciência de Dados para a Indústria Inteligente (CDII) |
| Beneficiário: | José Alberto Cuminato |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa Centros de Pesquisa Aplicada |
| Processo FAPESP: | 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria |
| Beneficiário: | Francisco Louzada Neto |
| Modalidade de apoio: | Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs |