EVISClass: a new evaluation method for image data stream classifiers

Lima, Mateus C. de; Barioni, Maria Camila Nardini; Faria, Elaine R.; Razente, Humberto Luiz

doi:10.1109/icmla51294.2020.00070

Cited by 3 publications

(1 citation statement)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Utilizou-se 784 dimensões no conjunto de imagens FASHION-MNIST e 3.072 dimensões nos conjuntos CIFAR-10 e SVHN. Para a avaliac ¸ão dos algoritmos foi utilizado o método de avaliac ¸ão para a classificac ¸ão de fluxos de dados de imagens definido no trabalho [de Lima et al 2020]. A eficácia dos algoritmos foi avaliada pelas métricas acurácia e F-Measure.…”

Section: Conjuntos De Dados E Configurac ¸õEsunclassified

HubISC: um novo algoritmo baseado em hubness para a classificação de fluxo de dados de imagens

Lima

Faria

Barioni

2022

Anais Do XXXVII Simpósio Brasileiro De Banco De Dados (SBBD 2022)

Self Cite

View full text Add to dashboard Cite

A classificação de fluxo de dados de imagens apresenta vários desafios. Um dos desafios inerente ao domínio de dados de imagens é a alta dimensionalidade dos dados, que pode ocasionar a chamada maldição da dimensionalidade. Trabalhos aplicados em outros contextos empregam de forma eficiente um aspecto, denominado hubness, inerente de dados de alta dimensão. Este artigo apresenta um novo algoritmo para a classificação de fluxo de dados de imagens, que incorpora o aspecto hubness. Os resultados dos experimentos mostram uma boa relação de custo e benefício do algoritmo em termos de eficácia e da porcentagem de instâncias rotuladas em relação aos algoritmos comumente usados para a classificação de fluxos de dados de imagens.

show abstract

Section: Conjuntos De Dados E Configurac ¸õEsunclassified