Razvili smo metodo, ki pravilno obravnava avtokorelacijo v podatkih, ki niso neodvisni in enako porazdeljeni (i.i.d.) ter omogoča več-nivojski vpogled v pojav avtokorelacije. Metoda temelji na konceptu dreves za napovedno razvrščanje (PCT) in se uporablja za različne naloge modeliranja, kot sta klasifikacija in regresija, kot tudi za nekatere naloge razvrščanja. To metodo smo uporabili na več realnih problemih prostorske regresije in klasifikacije, in pa na problemih omrežne regresije, ki prihajajo s področij socialnih in prostorskih omrežij. STOJANOVA, Daniela, CECI, Michelangelo, APPICE, Annalisa, MALERBA, Donato, DŽEROSKI, Sašo. Global and local spatial autocorrelation in predictive clustering trees. Lect. notes comput. sci., 2011, vol. 6926, str. 307-322. [COBISS.SI-ID 25200423]
COBISS.SI-ID: 25204775
Predlagali smo uporabo metode naključnih gozdov, ki uporablja drevesa za napovedno razvršcanje, za oznacevanje medicinskih slik z značkami, ki so organizirane v hierarhijo. Poskusi kažejo, da so ansambli dreves za napovedno razvršcanje bolj učinkoviti kot SVM modeli. Poleg tega smo ugotovili, da nam deskriptorji SIFT ponujajo najboljše razlikovanje med slikami, kombinacije različnih deskriptorjev pa izboljšujejo napovedno učinkovitost napovednih modelov. Rezultati dobljeni na tej zbirki slik so boljši od doslej objavljenih rezultatov tako v literaturi kot na tekmovanjih v oznacevanju slik.
COBISS.SI-ID: 24848423