Menu

Filtros : "HRUSCHKA, EDUARDO RAUL" Removido: "2016" Limpar

Filtros

Limitar por data

1 - 20 (65 registros)

  • Artigo de periodico

    Combining clustering and active learning for the detection and learning of new image classes (2019)

    Coletta, Luiz Fernando Sommaggio ; Ponti, Moacir Antonelli ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep

    Fonte: Neurocomputing. Unidades: ICMC, EP

    Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. Combining clustering and active learning for the detection and learning of new image classes. Neurocomputing, v. 358, p. Se 2019, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2019.04.070. Acesso em: 12 nov. 2024.

    • APA

      Coletta, L. F. S., Ponti, M. A., Hruschka, E. R., Acharya, A., & Ghosh, J. (2019). Combining clustering and active learning for the detection and learning of new image classes. Neurocomputing, 358, Se 2019. doi:10.1016/j.neucom.2019.04.070

    • NLM

      Coletta LFS, Ponti MA, Hruschka ER, Acharya A, Ghosh J. Combining clustering and active learning for the detection and learning of new image classes [Internet]. Neurocomputing. 2019 ; 358 Se 2019.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.neucom.2019.04.070

    • Vancouver

      Coletta LFS, Ponti MA, Hruschka ER, Acharya A, Ghosh J. Combining clustering and active learning for the detection and learning of new image classes [Internet]. Neurocomputing. 2019 ; 358 Se 2019.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.neucom.2019.04.070

  • Artigo de periodico

    Decomposing time series into deterministic and stochastic influences: a survey (2019)

    Duarte, Felipe Simões Lage Gomes; Rios, Ricardo A; Hruschka, Eduardo Raul ; Mello, Rodrigo Fernandes de

    Fonte: Digital Signal Processing. Unidades: EP, ICMC

    Assuntos: ANÁLISE DE SÉRIES TEMPORAIS, MÉTODOS DE DECOMPOSIÇÃO

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      DUARTE, Felipe Simões Lage Gomes et al. Decomposing time series into deterministic and stochastic influences: a survey. Digital Signal Processing, v. 95, p. 1-18, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.dsp.2019.102582. Acesso em: 12 nov. 2024.

    • APA

      Duarte, F. S. L. G., Rios, R. A., Hruschka, E. R., & Mello, R. F. de. (2019). Decomposing time series into deterministic and stochastic influences: a survey. Digital Signal Processing, 95, 1-18. doi:10.1016/j.dsp.2019.102582

    • NLM

      Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Decomposing time series into deterministic and stochastic influences: a survey [Internet]. Digital Signal Processing. 2019 ; 95 1-18.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.dsp.2019.102582

    • Vancouver

      Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Decomposing time series into deterministic and stochastic influences: a survey [Internet]. Digital Signal Processing. 2019 ; 95 1-18.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.dsp.2019.102582

  • Trabalho de evento

    Classification with multi-modal classes using evolutionary algorithms and constrained clustering (2018)

    Covões, Thiago Ferreira; Hruschka, Eduardo Raul

    Fonte: Proceedings. Nome do evento: IEEE Congress on Evolutionary Computation - CEC. Unidade: ICMC

    Assuntos: APRENDIZADO COMPUTACIONAL, ALGORITMOS GENÉTICOS, COMPUTAÇÃO EVOLUTIVA

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COVÕES, Thiago Ferreira e HRUSCHKA, Eduardo Raul. Classification with multi-modal classes using evolutionary algorithms and constrained clustering. 2018, Anais.. Piscataway: IEEE, 2018. Disponível em: https://doi.org/10.1109/CEC.2018.8477858. Acesso em: 12 nov. 2024.

    • APA

      Covões, T. F., & Hruschka, E. R. (2018). Classification with multi-modal classes using evolutionary algorithms and constrained clustering. In Proceedings. Piscataway: IEEE. doi:10.1109/CEC.2018.8477858

    • NLM

      Covões TF, Hruschka ER. Classification with multi-modal classes using evolutionary algorithms and constrained clustering [Internet]. Proceedings. 2018 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/CEC.2018.8477858

    • Vancouver

      Covões TF, Hruschka ER. Classification with multi-modal classes using evolutionary algorithms and constrained clustering [Internet]. Proceedings. 2018 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/CEC.2018.8477858

  • Trabalho de evento

    Time series decomposition using spring system applied on phase spaces (2018)

    Duarte, Felipe Simões Lage Gomes; Rios, Ricardo A; Hruschka, Eduardo Raul ; Mello, Rodrigo Fernandes de

    Fonte: Proceedings. Nome do evento: Brazilian Conference on Intelligent Systems - BRACIS. Unidades: EP, ICMC

    Assuntos: MODELOS EM SÉRIES TEMPORAIS, PROCESSOS ESTOCÁSTICOS, PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS)

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      DUARTE, Felipe Simões Lage Gomes et al. Time series decomposition using spring system applied on phase spaces. 2018, Anais.. Piscataway: IEEE, 2018. Disponível em: https://doi.org/10.1109/BRACIS.2018.00093. Acesso em: 12 nov. 2024.

    • APA

      Duarte, F. S. L. G., Rios, R. A., Hruschka, E. R., & Mello, R. F. de. (2018). Time series decomposition using spring system applied on phase spaces. In Proceedings. Piscataway: IEEE. doi:10.1109/BRACIS.2018.00093

    • NLM

      Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Time series decomposition using spring system applied on phase spaces [Internet]. Proceedings. 2018 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/BRACIS.2018.00093

    • Vancouver

      Duarte FSLG, Rios RA, Hruschka ER, Mello RF de. Time series decomposition using spring system applied on phase spaces [Internet]. Proceedings. 2018 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/BRACIS.2018.00093

  • Artigo de periodico

    An evolutionary algorithm for clustering data streams with a variable number of clusters (2017)

    Silva, Jonathan de Andrade; Hruschka, Eduardo Raul ; Gama, João

    Fonte: Expert Systems with Applications. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS GENÉTICOS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Jonathan de Andrade e HRUSCHKA, Eduardo Raul e GAMA, João. An evolutionary algorithm for clustering data streams with a variable number of clusters. Expert Systems with Applications, v. 67, n. Ja 2017, p. 228-238, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2016.09.020. Acesso em: 12 nov. 2024.

    • APA

      Silva, J. de A., Hruschka, E. R., & Gama, J. (2017). An evolutionary algorithm for clustering data streams with a variable number of clusters. Expert Systems with Applications, 67( Ja 2017), 228-238. doi:10.1016/j.eswa.2016.09.020

    • NLM

      Silva J de A, Hruschka ER, Gama J. An evolutionary algorithm for clustering data streams with a variable number of clusters [Internet]. Expert Systems with Applications. 2017 ; 67( Ja 2017): 228-238.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.eswa.2016.09.020

    • Vancouver

      Silva J de A, Hruschka ER, Gama J. An evolutionary algorithm for clustering data streams with a variable number of clusters [Internet]. Expert Systems with Applications. 2017 ; 67( Ja 2017): 228-238.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.eswa.2016.09.020

  • Artigo de periodico

    Using metaheuristics to optimize the combination of classifier and cluster ensembles (2015)

    Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep

    Fonte: Integrated Computer-Aided Engineering. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. Using metaheuristics to optimize the combination of classifier and cluster ensembles. Integrated Computer-Aided Engineering, v. 22, n. 3, p. 229-242, 2015Tradução . . Disponível em: https://doi.org/10.3233/ICA-150485. Acesso em: 12 nov. 2024.

    • APA

      Coletta, L. F. S., Hruschka, E. R., Acharya, A., & Ghosh, J. (2015). Using metaheuristics to optimize the combination of classifier and cluster ensembles. Integrated Computer-Aided Engineering, 22( 3), 229-242. doi:10.3233/ICA-150485

    • NLM

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. Using metaheuristics to optimize the combination of classifier and cluster ensembles [Internet]. Integrated Computer-Aided Engineering. 2015 ; 22( 3): 229-242.[citado 2024 nov. 12 ] Available from: https://doi.org/10.3233/ICA-150485

    • Vancouver

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. Using metaheuristics to optimize the combination of classifier and cluster ensembles [Internet]. Integrated Computer-Aided Engineering. 2015 ; 22( 3): 229-242.[citado 2024 nov. 12 ] Available from: https://doi.org/10.3233/ICA-150485

  • Artigo de periodico

    Simultaneous co-clustering and learning to address the cold start problem in recommender systems (2015)

    Pereira, Andre Luiz Vizine; Hruschka, Eduardo Raul

    Fonte: Knowledge-Based Systems. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      PEREIRA, Andre Luiz Vizine e HRUSCHKA, Eduardo Raul. Simultaneous co-clustering and learning to address the cold start problem in recommender systems. Knowledge-Based Systems, v. 82, p. 11-19, 2015Tradução . . Disponível em: https://doi.org/10.1016/j.knosys.2015.02.016. Acesso em: 12 nov. 2024.

    • APA

      Pereira, A. L. V., & Hruschka, E. R. (2015). Simultaneous co-clustering and learning to address the cold start problem in recommender systems. Knowledge-Based Systems, 82, 11-19. doi:10.1016/j.knosys.2015.02.016

    • NLM

      Pereira ALV, Hruschka ER. Simultaneous co-clustering and learning to address the cold start problem in recommender systems [Internet]. Knowledge-Based Systems. 2015 ; 82 11-19.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.knosys.2015.02.016

    • Vancouver

      Pereira ALV, Hruschka ER. Simultaneous co-clustering and learning to address the cold start problem in recommender systems [Internet]. Knowledge-Based Systems. 2015 ; 82 11-19.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.knosys.2015.02.016

  • Artigo de periodico

    Interactive textual feature selection for consensus clustering (2015)

    Corrêa, Geraldo N; Marcacini, Ricardo Marcondes ; Hruschka, Eduardo Raul ; Rezende, Solange Oliveira

    Fonte: Pattern Recognition Letters. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      CORRÊA, Geraldo N et al. Interactive textual feature selection for consensus clustering. Pattern Recognition Letters, v. 52, n. ja 2015, p. 25-31, 2015Tradução . . Disponível em: https://doi.org/10.1016/j.patrec.2014.09.008. Acesso em: 12 nov. 2024.

    • APA

      Corrêa, G. N., Marcacini, R. M., Hruschka, E. R., & Rezende, S. O. (2015). Interactive textual feature selection for consensus clustering. Pattern Recognition Letters, 52( ja 2015), 25-31. doi:10.1016/j.patrec.2014.09.008

    • NLM

      Corrêa GN, Marcacini RM, Hruschka ER, Rezende SO. Interactive textual feature selection for consensus clustering [Internet]. Pattern Recognition Letters. 2015 ; 52( ja 2015): 25-31.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.patrec.2014.09.008

    • Vancouver

      Corrêa GN, Marcacini RM, Hruschka ER, Rezende SO. Interactive textual feature selection for consensus clustering [Internet]. Pattern Recognition Letters. 2015 ; 52( ja 2015): 25-31.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.patrec.2014.09.008

  • Artigo de periodico

    A differential evolution algorithm to optimise the combination of classifier and cluster ensembles (2015)

    Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep

    Fonte: International Journal of Bio-Inspired Computation. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, ALGORITMOS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles. International Journal of Bio-Inspired Computation, v. 7, n. 2, p. 111-124, 2015Tradução . . Disponível em: https://doi.org/10.1504/IJBIC.2015.069288. Acesso em: 12 nov. 2024.

    • APA

      Coletta, L. F. S., Hruschka, E. R., Acharya, A., & Ghosh, J. (2015). A differential evolution algorithm to optimise the combination of classifier and cluster ensembles. International Journal of Bio-Inspired Computation, 7( 2), 111-124. doi:10.1504/IJBIC.2015.069288

    • NLM

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles [Internet]. International Journal of Bio-Inspired Computation. 2015 ; 7( 2): 111-124.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1504/IJBIC.2015.069288

    • Vancouver

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. A differential evolution algorithm to optimise the combination of classifier and cluster ensembles [Internet]. International Journal of Bio-Inspired Computation. 2015 ; 7( 2): 111-124.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1504/IJBIC.2015.069288

  • Parte de monografia/livro

    Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária (2014)

    Gonzaga, André; Mudadu, Maurício de A; Higa, Roberto H; Hruschka, Eduardo Raul

    Fonte: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS, MELHORAMENTO GENÉTICO ANIMAL, PECUÁRIA

    Como citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GONZAGA, André et al. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Tradução . Brasília: Embrapa, 2014. . . Acesso em: 12 nov. 2024.

    • APA

      Gonzaga, A., Mudadu, M. de A., Higa, R. H., & Hruschka, E. R. (2014). Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa.

    • NLM

      Gonzaga A, Mudadu M de A, Higa RH, Hruschka ER. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa; 2014. [citado 2024 nov. 12 ]

    • Vancouver

      Gonzaga A, Mudadu M de A, Higa RH, Hruschka ER. Mineração de dados para identificar atributos genéticos associados à características de interesse econômico à pecuária. In: Talking about computing and genomic (TACG) : modelos e métodos computacionais em bioinformática. Brasília: Embrapa; 2014. [citado 2024 nov. 12 ]

  • Trabalho de evento

    Privileged information for hierarchical document clustering: a metric learning approach (2014)

    Marcacini, Ricardo Marcondes ; Domingues, Marcos A; Hruschka, Eduardo Raul ; Rezende, Solange Oliveira

    Fonte: Proceedings. Nome do evento: International Conference on Pattern Recognition - ICPR. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, MINERAÇÃO DE DADOS, APRENDIZADO COMPUTACIONAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MARCACINI, Ricardo Marcondes et al. Privileged information for hierarchical document clustering: a metric learning approach. 2014, Anais.. Los Alamitos: Conference Publishing Services, 2014. Disponível em: https://doi.org/10.1109/ICPR.2014.625. Acesso em: 12 nov. 2024.

    • APA

      Marcacini, R. M., Domingues, M. A., Hruschka, E. R., & Rezende, S. O. (2014). Privileged information for hierarchical document clustering: a metric learning approach. In Proceedings. Los Alamitos: Conference Publishing Services. doi:10.1109/ICPR.2014.625

    • NLM

      Marcacini RM, Domingues MA, Hruschka ER, Rezende SO. Privileged information for hierarchical document clustering: a metric learning approach [Internet]. Proceedings. 2014 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/ICPR.2014.625

    • Vancouver

      Marcacini RM, Domingues MA, Hruschka ER, Rezende SO. Privileged information for hierarchical document clustering: a metric learning approach [Internet]. Proceedings. 2014 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/ICPR.2014.625

  • Trabalho de evento

    Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble (2014)

    Silva, Nádia Felix Felipe da; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael

    Fonte: Proceedings. Nome do evento: International Workshop on Semantic Evaluation - SemEval. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, WEB SEMÂNTICA, MÍDIAS SOCIAIS

    Acesso à fonteComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Nádia Felix Felipe da e HRUSCHKA, Eduardo Raul e HRUSCHKA JUNIOR, Estevam Rafael. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble. 2014, Anais.. Stroudsburg: ACL, 2014. Disponível em: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf. Acesso em: 12 nov. 2024.

    • APA

      Silva, N. F. F. da, Hruschka, E. R., & Hruschka Junior, E. R. (2014). Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble. In Proceedings. Stroudsburg: ACL. Recuperado de http://www.aclweb.org/anthology/S/S14/S14-2017.pdf

    • NLM

      Silva NFF da, Hruschka ER, Hruschka Junior ER. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble [Internet]. Proceedings. 2014 ;[citado 2024 nov. 12 ] Available from: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf

    • Vancouver

      Silva NFF da, Hruschka ER, Hruschka Junior ER. Biocom_Usp: tweet sentiment analysis with adaptive boosting ensemble [Internet]. Proceedings. 2014 ;[citado 2024 nov. 12 ] Available from: http://www.aclweb.org/anthology/S/S14/S14-2017.pdf

  • Trabalho de evento

    Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão (2014)

    Guerra, Pedro Calais; Nakamura, Rodrigo Yuji Mizobe; Hruschka, Eduardo Raul

    Fonte: Proceedings. Nome do evento: Symposium on Knowledge Discovery, Mining and Learning - KDMiLe. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, BANCO DE DADOS

    Acesso à fonteComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      GUERRA, Pedro Calais e NAKAMURA, Rodrigo Yuji Mizobe e HRUSCHKA, Eduardo Raul. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão. 2014, Anais.. São Carlos: ICMC-USP, 2014. Disponível em: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf. Acesso em: 12 nov. 2024.

    • APA

      Guerra, P. C., Nakamura, R. Y. M., & Hruschka, E. R. (2014). Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão. In Proceedings. São Carlos: ICMC-USP. Recuperado de http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf

    • NLM

      Guerra PC, Nakamura RYM, Hruschka ER. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão [Internet]. Proceedings. 2014 ;[citado 2024 nov. 12 ] Available from: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf

    • Vancouver

      Guerra PC, Nakamura RYM, Hruschka ER. Estimativa de demanda potencial de matrículas em ensino superior usando dados públicos e múltiplos modelos de regressão [Internet]. Proceedings. 2014 ;[citado 2024 nov. 12 ] Available from: http://www2.dc.ufscar.br/~marcela/anaisKDMiLe2014/artigos/SHORT/kdmile2014_Short2.pdf

  • Trabalho de evento

    Combining classification and clustering for tweet sentiment analysis (2014)

    Coletta, Luiz Fernando Sommaggio ; Silva, Nádia Felix Felipe da; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael

    Fonte: Proceedings. Nome do evento: Brazilian Conference on Intelligent Systems - BRACIS. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES, WEB SEMÂNTICA, MÍDIAS SOCIAIS

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. Combining classification and clustering for tweet sentiment analysis. 2014, Anais.. Los Alamitos: Conference Publishing Services, 2014. Disponível em: https://doi.org/10.1109/BRACIS.2014.46. Acesso em: 12 nov. 2024.

    • APA

      Coletta, L. F. S., Silva, N. F. F. da, Hruschka, E. R., & Hruschka Junior, E. R. (2014). Combining classification and clustering for tweet sentiment analysis. In Proceedings. Los Alamitos: Conference Publishing Services. doi:10.1109/BRACIS.2014.46

    • NLM

      Coletta LFS, Silva NFF da, Hruschka ER, Hruschka Junior ER. Combining classification and clustering for tweet sentiment analysis [Internet]. Proceedings. 2014 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/BRACIS.2014.46

    • Vancouver

      Coletta LFS, Silva NFF da, Hruschka ER, Hruschka Junior ER. Combining classification and clustering for tweet sentiment analysis [Internet]. Proceedings. 2014 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/BRACIS.2014.46

  • Artigo de periodico

    An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning (2014)

    Acharya, Ayan; Hruschka, Eduardo Raul ; Ghosh, Joydeep; Acharyya, Sreangsu

    Fonte: ACM Transactions on Knowledge Discovery from Data. Unidade: ICMC

    Assuntos: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES, ALGORITMOS, VISÃO COMPUTACIONAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      ACHARYA, Ayan et al. An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning. ACM Transactions on Knowledge Discovery from Data, v. 9, n. 1, p. 1:1-1:35, 2014Tradução . . Disponível em: https://doi.org/10.1145/2601435. Acesso em: 12 nov. 2024.

    • APA

      Acharya, A., Hruschka, E. R., Ghosh, J., & Acharyya, S. (2014). An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning. ACM Transactions on Knowledge Discovery from Data, 9( 1), 1:1-1:35. doi:10.1145/2601435

    • NLM

      Acharya A, Hruschka ER, Ghosh J, Acharyya S. An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning [Internet]. ACM Transactions on Knowledge Discovery from Data. 2014 ; 9( 1): 1:1-1:35.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1145/2601435

    • Vancouver

      Acharya A, Hruschka ER, Ghosh J, Acharyya S. An optimization framework for combining ensembles of classifiers and clusterers with applications to nontransductive semisupervised learning and transfer learning [Internet]. ACM Transactions on Knowledge Discovery from Data. 2014 ; 9( 1): 1:1-1:35.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1145/2601435

  • Artigo de periodico

    Tweet sentiment analysis with classifier ensembles (2014)

    Silva, Nádia Felix Felipe da; Hruschka, Eduardo Raul ; Hruschka Junior, Estevam Rafael

    Fonte: Decision Support Systems. Unidade: ICMC

    Assunto: INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Nádia Felix Felipe da e HRUSCHKA, Eduardo Raul e HRUSCHKA JUNIOR, Estevam Rafael. Tweet sentiment analysis with classifier ensembles. Decision Support Systems, v. 66, p. 170-179, 2014Tradução . . Disponível em: https://doi.org/10.1016/j.dss.2014.07.003. Acesso em: 12 nov. 2024.

    • APA

      Silva, N. F. F. da, Hruschka, E. R., & Hruschka Junior, E. R. (2014). Tweet sentiment analysis with classifier ensembles. Decision Support Systems, 66, 170-179. doi:10.1016/j.dss.2014.07.003

    • NLM

      Silva NFF da, Hruschka ER, Hruschka Junior ER. Tweet sentiment analysis with classifier ensembles [Internet]. Decision Support Systems. 2014 ; 66 170-179.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.dss.2014.07.003

    • Vancouver

      Silva NFF da, Hruschka ER, Hruschka Junior ER. Tweet sentiment analysis with classifier ensembles [Internet]. Decision Support Systems. 2014 ; 66 170-179.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.dss.2014.07.003

  • Trabalho de evento-anais periodico

    Hierarchical bottom-up safe semi-supervised support vector machines for multi-class transductive learning (2013)

    Covões, Thiago F; Barros, Rodrigo C; Silva, Tiago S. da; Hruschka, Eduardo Raul ; Carvalho, André Carlos Ponce de Leon Ferreira de

    Fonte: Journal of Information and Data Management - JIDM. Nome do evento: Brazilian Symposium on Databases - SBBD. Unidade: ICMC

    Assunto: INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COVÕES, Thiago F et al. Hierarchical bottom-up safe semi-supervised support vector machines for multi-class transductive learning. Journal of Information and Data Management - JIDM. Porto Alegre: SBC. Disponível em: http://seer.lcc.ufmg.br/index.php/jidm/article/view/256. Acesso em: 12 nov. 2024. , 2013

    • APA

      Covões, T. F., Barros, R. C., Silva, T. S. da, Hruschka, E. R., & Carvalho, A. C. P. de L. F. de. (2013). Hierarchical bottom-up safe semi-supervised support vector machines for multi-class transductive learning. Journal of Information and Data Management - JIDM. Porto Alegre: SBC. Recuperado de http://seer.lcc.ufmg.br/index.php/jidm/article/view/256

    • NLM

      Covões TF, Barros RC, Silva TS da, Hruschka ER, Carvalho ACP de LF de. Hierarchical bottom-up safe semi-supervised support vector machines for multi-class transductive learning [Internet]. Journal of Information and Data Management - JIDM. 2013 ; 4( 3): 357-372.[citado 2024 nov. 12 ] Available from: http://seer.lcc.ufmg.br/index.php/jidm/article/view/256

    • Vancouver

      Covões TF, Barros RC, Silva TS da, Hruschka ER, Carvalho ACP de LF de. Hierarchical bottom-up safe semi-supervised support vector machines for multi-class transductive learning [Internet]. Journal of Information and Data Management - JIDM. 2013 ; 4( 3): 357-372.[citado 2024 nov. 12 ] Available from: http://seer.lcc.ufmg.br/index.php/jidm/article/view/256

  • Artigo de periodico

    Competitive learning with pairwise constraints (2013)

    Covões, Thiago F; Hruschka, Eduardo Raul ; Ghosh, Joydeep

    Fonte: IEEE Transactions on Neural Networks and Learning Systems. Unidade: ICMC

    Assunto: INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COVÕES, Thiago F e HRUSCHKA, Eduardo Raul e GHOSH, Joydeep. Competitive learning with pairwise constraints. IEEE Transactions on Neural Networks and Learning Systems, v. 24, n. ja 2013, p. 164-169, 2013Tradução . . Disponível em: https://doi.org/10.1109/TNNLS.2012.2227064. Acesso em: 12 nov. 2024.

    • APA

      Covões, T. F., Hruschka, E. R., & Ghosh, J. (2013). Competitive learning with pairwise constraints. IEEE Transactions on Neural Networks and Learning Systems, 24( ja 2013), 164-169. doi:10.1109/TNNLS.2012.2227064

    • NLM

      Covões TF, Hruschka ER, Ghosh J. Competitive learning with pairwise constraints [Internet]. IEEE Transactions on Neural Networks and Learning Systems. 2013 ; 24( ja 2013): 164-169.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/TNNLS.2012.2227064

    • Vancouver

      Covões TF, Hruschka ER, Ghosh J. Competitive learning with pairwise constraints [Internet]. IEEE Transactions on Neural Networks and Learning Systems. 2013 ; 24( ja 2013): 164-169.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/TNNLS.2012.2227064

  • Trabalho de evento

    Towards the use of metaheuristics for optimizing the combination of classifier and cluster ensembles (2013)

    Coletta, Luiz Fernando Sommaggio ; Hruschka, Eduardo Raul ; Acharya, Ayan; Ghosh, Joydeep

    Fonte: Proceedings. Nome do evento: BRICS Countries Congress on Computational Intelligence - BRICS-CCI. Unidade: ICMC

    Assunto: INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      COLETTA, Luiz Fernando Sommaggio et al. Towards the use of metaheuristics for optimizing the combination of classifier and cluster ensembles. 2013, Anais.. Piscataway: IEEE, 2013. Disponível em: https://doi.org/10.1109/BRICS-CCI-CBIC.2013.86. Acesso em: 12 nov. 2024.

    • APA

      Coletta, L. F. S., Hruschka, E. R., Acharya, A., & Ghosh, J. (2013). Towards the use of metaheuristics for optimizing the combination of classifier and cluster ensembles. In Proceedings. Piscataway: IEEE. doi:10.1109/BRICS-CCI-CBIC.2013.86

    • NLM

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. Towards the use of metaheuristics for optimizing the combination of classifier and cluster ensembles [Internet]. Proceedings. 2013 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/BRICS-CCI-CBIC.2013.86

    • Vancouver

      Coletta LFS, Hruschka ER, Acharya A, Ghosh J. Towards the use of metaheuristics for optimizing the combination of classifier and cluster ensembles [Internet]. Proceedings. 2013 ;[citado 2024 nov. 12 ] Available from: https://doi.org/10.1109/BRICS-CCI-CBIC.2013.86

  • Artigo de periodico

    An experimental study on the use of nearest neighbor-based imputation algorithms for classification tasks (2013)

    Silva, Jonathan de Andrade; Hruschka, Eduardo Raul

    Fonte: Data & Knowledge Engineering. Unidade: ICMC

    Assunto: INTELIGÊNCIA ARTIFICIAL

    Acesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SILVA, Jonathan de Andrade e HRUSCHKA, Eduardo Raul. An experimental study on the use of nearest neighbor-based imputation algorithms for classification tasks. Data & Knowledge Engineering, v. 84, p. 47-58, 2013Tradução . . Disponível em: https://doi.org/10.1016/j.datak.2012.12.006. Acesso em: 12 nov. 2024.

    • APA

      Silva, J. de A., & Hruschka, E. R. (2013). An experimental study on the use of nearest neighbor-based imputation algorithms for classification tasks. Data & Knowledge Engineering, 84, 47-58. doi:10.1016/j.datak.2012.12.006

    • NLM

      Silva J de A, Hruschka ER. An experimental study on the use of nearest neighbor-based imputation algorithms for classification tasks [Internet]. Data & Knowledge Engineering. 2013 ; 84 47-58.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.datak.2012.12.006

    • Vancouver

      Silva J de A, Hruschka ER. An experimental study on the use of nearest neighbor-based imputation algorithms for classification tasks [Internet]. Data & Knowledge Engineering. 2013 ; 84 47-58.[citado 2024 nov. 12 ] Available from: https://doi.org/10.1016/j.datak.2012.12.006

1 - 20 (65 registros)

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo     2012 - 2024