La baza más importante de los métodos de clasificación semisupervisada es el uso de los datos disponibles sin etiquetar, combinados con un conjunto claramente menor de ejemplos etiquetados, con el fin de aumentar la precisión de la clasificación en comparación con el procedimiento por defecto de los métodos supervisados, que, por otra parte, sólo utilizan los datos etiquetados durante la fase de entrenamiento. Tanto la ausencia de mecanismos automatizados que produzcan datos etiquetados como el alto coste del esfuerzo humano necesario para completar el procedimiento de etiquetado en varios dominios científicos hacen que surja la necesidad de métodos semisupervisados que contrarresten este fenómeno. En este trabajo, se presenta un algoritmo auto-entrenado de Árboles Modelo Logísticos (LMT), que combina las características de los Árboles Logísticos bajo el escenario de escasos datos etiquetados disponibles. Realizamos una comparación en profundidad con otros métodos de clasificación semisupervisada bien conocidos en conjuntos de datos de referencia estándar y finalmente llegamos al punto de que la técnica presentada tenía mejor precisión en la mayoría de los casos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Sedación oral a nivel pediátrico aplicada en odontología
Artículo:
Adopción del método basado en el modelo variable de serpiente en la segmentación y el cálculo cuantitativo de imágenes médicas de ultrasonido cardíaco
Artículo:
Selección computacional de membranas de matriz mixta basadas en MOF para la separación de CO2/N2
Artículo:
Estudio de la estabilidad en tiempo real de los bancos de cepas crioconservadas
Artículo:
Un nuevo enfoque para la fabricación de puntos cuánticos de CdSe en solución acuosa: Procedimientos para controlar el tamaño, la intensidad de fluorescencia y la estabilidad en el tiempo
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL