l'obbiettivo di questo progetto consiste nell'analizzare le performance di alcuni algoritmi di semi-supervised learning proposti negli ultimi anni. In particolare si è usato un algoritmo di feature selection basato su Self-training per determinare l'insieme ottimo di features per ogni dataset. Poi sono stati applicati alcuni algoritmi di semi-supervised learning per classificare i dati. Questi algoritmi sono stati testati usando rispettivamente come classificatore di base SVM e SMCS
Unlabeled pattern management through Semi-Supervised classification techniques
Segato, Giordano
2014/2015
Abstract
l'obbiettivo di questo progetto consiste nell'analizzare le performance di alcuni algoritmi di semi-supervised learning proposti negli ultimi anni. In particolare si è usato un algoritmo di feature selection basato su Self-training per determinare l'insieme ottimo di features per ogni dataset. Poi sono stati applicati alcuni algoritmi di semi-supervised learning per classificare i dati. Questi algoritmi sono stati testati usando rispettivamente come classificatore di base SVM e SMCSFile in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
tesi_giordano_segato.pdf
accesso aperto
Dimensione
1.26 MB
Formato
Adobe PDF
|
1.26 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/18717