@MASTERSTHESIS{ 2019:261838451, title = {Meta-learning applications in digital image processing}, year = {2019}, url = "https://tedebc.ufma.br/jspui/handle/tede/tede/2934", abstract = "Nas últimas décadas, avanços nos dispositivos de captura e aumento da imagem digital disponível dados estimularam a criação de metodologias para processamento de dados que produzem várias formas de modelos valiosos, como descritores, classificadores, aproximações e visualizações. Esses modelos são freqüentemente desenvolvidos no campo de aprendizado de máquina, que é caracterizado por um grande número de algoritmos disponíveis, esses algoritmos geralmente não possui diretrizes para identificar a mais apropriada com base em dados específicos aos quais eles serão aplicados e a natureza do problema em análise. Existe um conhecimento que permite relacionar os recursos dos algoritmos e dados que apresentam um bom desempenho para realizar uma tarefa específica, conhecida como meta-conhecimento, que pode incluir informações sobre algoritmos, métricas de avaliação para calcular a similaridade de conjuntos de dados ou a relação de tarefas. Ser Meta-Aprender o estudo de métodos baseados em princípios que exploram o Meta-Conhecimento obter modelos e soluções eficientes, adaptando os processos de Machine Learning e mineração de dados. A pesquisa realizada neste trabalho analisa as aplicações e vantagens oferecidas pelo Meta-Learning no campo do processamento de imagens digitais. Para realizar Nesta tarefa, diferentes tipos de imagens, caracterizadores e técnicas de análise de recursos são usava; além disso, várias técnicas de aprendizado de máquina são aplicadas. Os resultados obtidos mostram que a metodologia baseada no Meta-Learning é eficiente quando aplicada no processamento de imagens digitais para identificação e armazenamento da experiência gerada pelo desenvolvimento metodologias para classificação de diferentes tipos de imagens, obtendo um alto desempenho com relação a uma métrica de avaliação. Esta afirmação significa que o Meta-Learning permite recomendar a metodologia mais apropriada para executar o processamento de um tipo de imagem com base nos recursos do conjunto de dados em análise e no tipo de tarefa específica a ser ser realizado.", publisher = {Universidade Federal do Maranhão}, scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET}, note = {DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET} }