Título: Aprendizado de Métrica Supervisionado para Classificador por Arestas de Suporte
Autores: Gomes, Igor;Brambirra Torres, Luiz;Braga, Antonio
Resumo:
Como outros modelos baseados em informações de margem, os Classificadores por Arestas de Suporte (CLAS) utilizam propriedades intrínsecas dos Grafos de Gabriel para filtrar amostras na região de separação visando a suavizar a resposta do classificador. A abordagem utilizada está sujeita à distribuição das amostras na região de superposição e pode depender do conjunto de dados. Como alternativa, propõe-se, neste trabalho, uma etapa de aprendizado de métrica supervisionado baseado no método Large Margin Nearest Neighbors no treinamento de modelos CLAS com o efeito de reduzir a sobreposição entre as classes e controlar também a suavização do modelo.
Palavras-chave:
Páginas: 12
Código DOI: 10.21528/CBIC2017-52
Artigo em pdf: cbic-paper-52.pdf
Arquivo BibTeX: cbic-paper-52.bib