Debido a la creciente brecha semántica de los videos, se necesitan herramientas computacionales para clasificar estos videos en diferentes géneros con el fin de estrecharla. Clasificar videos de forma precisa requiere una buena representación de los datos del video y un modelo eficiente y efectivo para llevar a cabo la tarea de clasificación. La Regresión Logística Kernel (KLR), versión basada en kernel de la regresión logística (LR), demuestra su eficiencia como clasificador, el cual puede proporcionar probabilidades de forma natural y extenderse a problemas de clasificación multiclase. En este artículo, se implementa el algoritmo de Regresión Logística Kernel Ponderada (WKLR) para la clasificación de género de videos con el fin de obtener una precisión significativa, y muestra resultados precisos y más rápidos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un Algoritmo de Control de Potencia Basado en la Conciencia de la Probabilidad de Interrupción en Redes Ad Hoc Vehiculares
Video:
Cómo usar tecnología big data en la generación de negocio | UNIR Openclass
Artículo:
El Método de Monitoreo de la Eficiencia de Recursos Humanos de la Empresa bajo el Modo de Gestión de la Ciudad Inteligente
Artículo:
Descubriendo rutas congestionadas utilizando trayectorias de vehículos en redes viales
Video:
De la inteligencia empresarial a los datos masivos: arquitectura, ética y economía. Barry Devlin
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Artículo:
Configuración de los valores de María, antes y después de la violación, en Satanás de Mario Mendoza