TY  - THES
KW  - TADIB
PB  - University of Trento
AV  - public
ID  - elediasc12145
A1  - Ilisei, A. M.
N2  - L'applicazione della metodologia basata su SVM al problema della diagnosi di patologie al seno presenta numerosi vantaggi tra i quali il ridotto carico computazionale della fase di test. Per avere una fase di test real-tme, l'approccio learning-by-example richiede un apprendimento basato su esempi (effettuato una volta sola ed offline) che costituiscono il training set. La capacità generalizzatrice dell'SVM permette poi di classificare correttamente dei dati di test che non appartengono al set di training. Un aspetto da approfondire è la capacità dell'SVM di ricostruire la posizione di oggetti che oltre a non essere in posizioni contenute nel training set, hanno anche caratteristiche geometriche differenti. In questo modo sarebbe possibile utilizzare dei training realizzati con forme standard che però possono essere efficaci anche in presenza di oggetti dalla forma differente. L'obiettivo di questa attività è analizzare le prestazioni del metodo nel caso in cui il training sia effettuato con oggetti di una specifica forma (es. sfera) e il test con oggetti di forma differente.
M1  - masters
UR  - http://www.eledia.org/students-reports/145/
Y1  - 2009///
TI  - SVM-BIO - Test Con Oggetti Di Forme Differenti Da Quelle Utilizzate Per La Generazione Del Training
ER  -