http://www.cnr.it/ontology/cnr/individuo/prodotto/ID181347
GP Ensembles for Large Scale Data Classification (Articolo in rivista)
- Type
- Label
- GP Ensembles for Large Scale Data Classification (Articolo in rivista) (literal)
- Anno
- 2006-01-01T00:00:00+01:00 (literal)
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#doi
- 10.1109/TEVC.2005.863627 (literal)
- Alternative label
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori
- Gianluigi Folino; Clara Pizzuti; Giandomenico Spezzano (literal)
- Pagina inizio
- Pagina fine
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroVolume
- Rivista
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#pagineTotali
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroFascicolo
- Note
- ISI Web of Science (WOS) (literal)
- DBLP (literal)
- Google Scholar (literal)
- Scopu (literal)
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni
- Istituto di calcolo e reti ad alte prestazioni
Istituto di calcolo e reti ad alte prestazioni
Istituto di calcolo e reti ad alte prestazioni (literal)
- Titolo
- GP Ensembles for Large Scale Data Classification (literal)
- Abstract
- An extension of Cellular Genetic Programming for data
classification (CGPC) to induce an ensemble of predictors is
presented. Two algorithms implementing the bagging and boosting
techniques are described and compared with CGPC. The approach is
able to deal with large data sets that do not fit in main memory
since each classifier is trained on a subset of the overall
training data. The predictors are then combined to classify new
tuples. Experiments on several data sets show that, by using a
training set of reduced size, better classification accuracy can
be obtained, but at a much lower computational cost. (literal)
- Prodotto di
- Autore CNR
- Insieme di parole chiave
Incoming links:
- Prodotto
- Autore CNR di
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#rivistaDi
- Insieme di parole chiave di