III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.(a) (b) (c) (d)(e) (f) (g) (h)Figura 3. Exemplos de segmentação. As segmentações de (a) são mostradas em (b), (c) e (d) e assegmentações de (e) são mostradas em (f), (g) e (h).ainda poderão ser feitas. Uma nova maneira de construçãoda árvore, por exemplo, pode aumentar agrupamentosem nós mais próximos das folhas, aumentoonúmero de descartes por poda. Da maneira como éconstruída atualmente, alguns nós folha só podem serdescartados em podas próximas da raiz, que têm poucaprobabilidade de ocorrer. A aplicação de seleção emsegmentação de imagens mostra que a redução da dimensionalidaderealmente pode melhorar a classificaçãoe que há características mais apropriadas para diferentesbases de dados.Referências[1] K. Fukunaga. Introduction to Pattern Recognition -Second Edition. Academic Press, 1990.[2] M. M. Galloway. Texture analysis using gray level runlengths. Computer G raphics Im age P rocessing, 4:172–179, 1975.[3] R. M. Haralick, K. S. Shanmugan, and I. Dunstein.Textural features for image classification. IEEE Transactionson System s,M an,and Cybernetics, 3(6):610–621, 1973. HARALICK73.[4] A. Jain and D. Zongker. Feature selection: Evaluation,application, and small sample performance. IEEETransactions on P attern Analysis and M achine Intelligence,19(2):153–158, 1997.[5] J. Kittler. Feature set search algorithms. In C. H.Chen, editor, Pattern R ecognition and Signal P rocessing,pages 41–60. Sijthoff & Noordhoff, 1978.[6] M. Kudo and J. Sklansky. Comparison of algorithmsthat select features for pattern classifiers. Pattern Recognition,33(1):25–41, 2000.[7] S. Nakariyakul and D. P. Casasent. Adaptive branchand bound algorithm for selecting optimal features.Pattern Recognition Letters, 28(12):1415–1427, 2007.[8] P. M. Narendra and K. Fukunaga. A branch and boundalgorithm for feature subset selection. IEEE Transactionson C om puters, 26(9):917–922, 1977.[9] R. Nath, B. Rajagopalan, and R. Ryker. Determiningthe saliency of input variables in neural network classifiers.Computers & Operations Research, 24(8):767–773, 1997.[10] P. Pudil, J. Novovičová, and J. Kittler. Floating searchmethods in feature selection. Pattern RecognitionLetters, 15(10):1119–1125, 1994.[11] D. P. d. Santos. Seleção de características: Abordagemvia redes neurais aplicada àsegmentação de imagens.Dissertação de mestrado, Departamento de Ciênciasde Computação do ICMC-USP, 2007.[12] W. Siedlecki and J. Sklansky. A note on genetic algorithmsfor large-scale feature selection. Pattern RecognitionLetters, 10(5):335–347, 1989.[13] P. Somol, P. Pudil, F. Ferri, and J. Kittler. Fast branchbound algorithm in feature selection. In 4th WorldMulticonference on System ics,Cybernetics and Informatics,volume 7, pages 646–651, 2000.[14] B. Yu and B. Yuan. A more efficient branch and boundalgorithm for feature selection. Pattern R ecognition,26(6):883–889, 1993.99