Classification of live moths combining texture, color and shape primitives (2010)
- Authors:
- Autor USP: BATISTA, GUSTAVO ENRIQUE DE ALMEIDA PRADO ALVES - ICMC
- Unidade: ICMC
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Language: Inglês
- Imprenta:
- Publisher: IEEE
- Publisher place: Los Alamitos
- Date published: 2010
- ISBN: 9780769543000
- Source:
- Título: Proceedings
- Conference titles: International Conference on Machine Learning and Applications - ICMLA
-
ABNT
BATISTA, Gustavo Enrique de Almeida Prado Alves e CAMPANA, Bilson e KEOGH, Eamonn. Classification of live moths combining texture, color and shape primitives. 2010, Anais.. Los Alamitos: IEEE, 2010. Disponível em: http://ieeexplore.ieee.org/xpls/abs_all.do?arnumber=5708965&tag=1. Acesso em: 27 dez. 2025. -
APA
Batista, G. E. de A. P. A., Campana, B., & Keogh, E. (2010). Classification of live moths combining texture, color and shape primitives. In Proceedings. Los Alamitos: IEEE. Recuperado de http://ieeexplore.ieee.org/xpls/abs_all.do?arnumber=5708965&tag=1 -
NLM
Batista GE de APA, Campana B, Keogh E. Classification of live moths combining texture, color and shape primitives [Internet]. Proceedings. 2010 ;[citado 2025 dez. 27 ] Available from: http://ieeexplore.ieee.org/xpls/abs_all.do?arnumber=5708965&tag=1 -
Vancouver
Batista GE de APA, Campana B, Keogh E. Classification of live moths combining texture, color and shape primitives [Internet]. Proceedings. 2010 ;[citado 2025 dez. 27 ] Available from: http://ieeexplore.ieee.org/xpls/abs_all.do?arnumber=5708965&tag=1 - Contribuições em mineração de dados temporais e classes desbalanceadas
- A complexity-invariant distance measure for time series
- Mineração de séries temporais por meio da extração de características e da identificação de motifs
- Extração de padrões e construção de modelos simbólicos para previsão de dados temporais
- Towards automatic classification on flying insects using inexpensive sensors
- Distância invariante à complexidade baseada em dimensão fractal para classificação de séries temporais
- A novel approximation to dynamic time warping allows anytime clustering of massive time series datasets
- Data mining a trillion time series subsequences under dynamic time warping
- An empirical comparison of dissimilarity measures for time series classification
- Evaluation of statistical and machine learning models for time series prediction: identifying the state-of-the-art and the best conditions for the use of each model
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
