CLASSIFICADOR ADAPTATIVO PARA DADOS IMAGEM EM ALTA DIMENSIONALIDADE COM UM CONJUNTO PEQUENO DE AMOSTRAS DE TREINAMENTO

Abstract

Neste trabalho é testado um classificador adaptativo que visa suavizar os efeitos causados por um número insuficiente de amostras de treinamento, fato este que pode degradar severamente a acurácia dos resultados obtidos por um classificador paramétrico utilizando dados com dimensão alta. O classificador adaptativo adiciona amostras semi-rotuladas ao conjunto das amostras de treinamento com o objetivo de reduzir os efeitos causados pelo pequeno número de amostras. O efeito das amostras semi-rotuladas é controlado por meio de um peso menor do que o peso atribuído as amostras originais. Os experimentos desenvolvidos mostram que este procedimento é eficiente na redução dos efeitos do fenômeno de Hughes contribuindo para aumentar a acurácia da imagem temática produzida.

Keywords

• dados em alta dimensionalidade
• classificador adaptativo
• reconhecimento de padrões.