Mostrar registro simples

dc.contributor.authorOsaku, Daniel
dc.date.accessioned2016-10-21T12:02:11Z
dc.date.available2016-10-21T12:02:11Z
dc.date.issued2016-06-24
dc.identifier.citationOSAKU, Daniel. Explorando abordagens de classificação contextual para floresta de caminhos ótimos. 2016. Tese (Doutorado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2016. Disponível em: https://repositorio.ufscar.br/handle/ufscar/8098.*
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/8098
dc.description.abstractPattern recognition techniques have been widely studied and disseminated in order to develop ways to improve the e ectiveness of the pattern classi ers using labeled samples. However, such techniques usually work following the premise that the samples are independent and identically distributed in the feature space, taking into account only the local properties of the image and no information about the correlations between neighboring pixels are employed. The Optimum-Path Forest (OPF) classi er models the instances as the nodes of a graph, being the problem now is reduced to a partition of this graph. Although there are approaches that consider the context in the pattern recognition process, there is no such version for Optimum-Path Forest up to date. Thus, one of the main goal of the presented thesis is to propose a contextual version for the OPF classi er, which would employes contextual informations to support the data classi cation task using methods based on information theory and Markov Random Fields for such purpose. Since the Markov models are parameter-dependent and it is not a straightforward task to nd out the optimal values for such parameters because can assume in nite solutions, another contribution of this work is to propose an approach for modeling the process of nd out the parameters as a optimization problem, being the tness function to be maximized is the OPF accuracy over a labeled set. The results obtained by contextual classi cation were better than traditional classi cation results, as well as the optimization methods applied seemed to be a good alternative to ne-tune parameters of the Markov models as well.por
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)por
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rights.uriAcesso abertopor
dc.subjectClassificação contextual de imagenspor
dc.subjectSensoriamento remotopor
dc.subjectRessonância magnéticapor
dc.titleExplorando abordagens de classificação contextual para floresta de caminhos ótimospor
dc.typeTesepor
dc.contributor.advisor1Papa, João Paulo
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9039182932747194por
dc.contributor.advisor-co1Levada, Alexandre Luís Magalhães
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/3341441596395463por
dc.description.resumoTécnicas de reconhecimento de padrões em imagens foram amplamente estudadas e difundidas com o intuito de desenvolver maneiras para melhorar a eficácia dos classificadores de padrões utilizando amostras rotuladas. Contudo, muitas dessas técnicas classificam seguindo a premissa de que as instâncias são independentes e identicamente distribuídas no espaço de características, levando-se em consideração apenas as propriedades locais da imagem e nenhuma informação sobre as correlações entre pixels vizinhos são utilizadas. O classificador Floresta de Caminhos Ótimos modela as instâncias como sendo os nós de um grafo, sendo que o problema agora é reduzido para um particionamento desse grafo. Embora existam abordagens que levam em consideração o contexto no processo de reconhecimento de padrões, ainda não existe nenhuma versão do classificador Floresta de Caminhos Ótimos nesse sentido. Assim sendo, um dos objetivos principais da presente tese de doutorado _e propor uma versão contextual para a técnica Floresta de Caminhos Ótimos, a qual faria uso então de informações contextuais para auxiliar na tarefa de classificação de dados utilizando métodos baseados em Teoria da Informação e Campos Aleatórios Markovianos para tal finalidade. Uma vez que os modelos Markovianos são dependentes de parâmetros e não é possível encontrar o valor ótimo, pois podem assumir infinitas soluções, uma outra principal contribuição deste trabalho é propor uma abordagem. para modelar o processo de encontrar tais parâmetros como sendo um problema de otimização, em que a função de aptidão a ser maximizada é a acurasse da técnica Floresta de Caminhos Ótimos sobre um conjunto rotulado. Os resultados obtidos foram melhores para classificação contextual do que para o método de classificação tradicional, bem como também os métodos de otimização aplicados demonstraram ser uma boa alternativa para a definição dos parâmetros dos modelos Markovianos.por
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computação - PPGCCpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpor
dc.ufscar.embargoOnlinepor
dc.publisher.addressCâmpus São Carlospor
dc.contributor.authorlatteshttp://lattes.cnpq.br/0086432334240096por


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples