Título: Aprendizado Semissupervisionado com Extreme Learning Machines e Matrizes de Afinidade
Autores: Silvestre, Leonardo Jose; Braga, Antônio Pádua
Resumo: Este artigo apresenta uma abordagem que utiliza um algoritmo de classificação supervisionada e informações obtidas a priori da estrutura dos dados para realizar classificação semissupervisionada. A informação obtida a priori é utilizada para inserir perturbação no treinamento do algoritmo supervisionado ou para estimar rótulos para os padrões não-rotulados. Para instanciar o framework para aprendizado semissupervisionado desenvolvido são utilizadas Máquinas de Aprendizado Extremo (Extreme Learning Machine – ELMs) e matrizes de afinidade. Os resultados obtidos para bases de dados reais (repositório UCI), comparados aos da ELM original, apontam a validade do método.
Palavras-chave: Máquinas de Aprendizado Extremo; Matrizes de Afinidade; Aprendizado Semissupervisionado
Páginas: 6
Código DOI: 10.21528/CBIC2013-109
Artigo em pdf: bricsccicbic2013_submission_109.pdf
Arquivo BibTex: bricsccicbic2013_submission_109.bib