Informações Adicionais:
•
Durante a etapa de teste dos 4 algoritmos não é necessário implementar todos os
classificadores para realizar os experimentos. É permitida a utilização de
ferramentas de aprendizado de máquina, como por exemplo, o Weka
(
http://www.cs.waikato.ac.nz/ml/weka/).
•
O download das imagens de treinamento pode ser feito acessando o seguinte
link:
http://sourceforge.net/projects/flavia/files/Leaf%20Image%20Dataset/1.0/Leave
s.tar.bz2/download
Ou copiado durante as próximas aulas (tragam um pen drive com pelo menos 1
GB livre).
•
A divisão dos exemplos de treinamento e teste deve ser feita de forma aleatória.
Normalmente 70% dos exemplos devem ser utilizados para treinamento e 30%
para testes. Você deve garantir também que os exemplos de cada classe sejam
distribuídos nestas mesmas proporções nos dois conjuntos.
•
•
A implementação de um dos algoritmos pode ser feita em qualquer linguagem
(
C/C++, C#, Java...), mas aconselha-se utilizar a linguagem C/C++ usando o
programa base para ler a imagem e realizar a classificação.
Você deve decidir quais atributos serão utilizados pelos classificadores. A
classificação pode piorar ou melhorar dependendo do conjunto de atributos
utilizado. Os atributos extraídos pelo programa base são apenas exemplos de
atributos que podem ser extraídos. Você deve escolher quais atributos serão
utilizados e fazer testes para verificar qual conjunto de atributos apresenta
melhores resultados.
•
Para se conseguir melhores resultados será necessário extrair mais características
das imagens de treinamento. O programa base extrai apenas algumas
características estruturais, mas existem muitas outras informações uteis que
podem ser extraídas computacionalmente das imagens.