Rodrigo Yuji Mizobe Nakamura

Idiomas

Participação em eventos

Produções bibliográficas

• SAITO, PRISCILA T. M. ; NAKAMURA, RODRIGO Y. M. ; AMORIM, WILLIAN P. ; Papa, João P. ; DE REZENDE, PEDRO J. ; Falcão, Alexandre X. . Choosing the Most Effective Pattern Classification Model under Learning-Time Constraint. Plos One , v. 10, p. e0129947, 2015.

• OSAKU, D. ; Nakamura, R.Y.M. ; PEREIRA, L.A.M. ; PISANI, R.J. ; LEVADA, A.L.M. ; CAPPABIANCO, F.A.M. ; FALCÃO, A.X. ; Papa, João P. . Improving land cover classification through contextual-based optimum-path forest. Information Sciences , v. 324, p. 60-87, 2015.

• Costa, Kelton A.P. ; PEREIRA, LUIS A.M. ; Nakamura, Rodrigo Y.M. ; Pereira, Clayton R. ; Papa, João P. ; XAVIER FALCÃO, ALEXANDRE . A nature-inspired approach to speed up optimum-path forest clustering and its application to intrusion detection in computer networks. Information Sciences , v. 294, p. 95-108, 2015.

• PISANI, R. J ; NAKAMURA, R. Y. M. ; Riedel, P. S ; Zimback, C. R. L ; Falcão, Alexandre X. ; Papa, J.P. . Toward Satellite-Based Land Cover Classification Through Optimum-Path Forest. IEEE Transactions on Geoscience and Remote Sensing , v. 52, p. 6075-6085, 2014.

• Nakamura, R. Y. M. ; PAPA, J. P. ; FONSECA, Leila Maria Garcia ; Santos, J. A. ; TORRES, R. S. ; Yang, X.-S. ; Papa, João Paulo . Nature-Inspired Framework for Hyperspectral Band Selection. IEEE Transactions on Geoscience and Remote Sensing , v. 52, p. 2126-2137, 2014.

• Papa, João P. ; Nakamura, Rodrigo Y.M. ; de Albuquerque, Victor Hugo C. ; Falcão, Alexandre X. ; Tavares, João Manuel R.S. . Computer techniques towards the automatic characterization of graphite particles in metallographic images of industrial materials. Expert Systems with Applications , v. 40, p. 590-597, 2013.

• Rodrigues, D. ; Pereira, L. A. M. ; Nakamura, R. Y. M. ; Costa, K. A. P. ; Yang, X.-S. ; SOUZA, A. N. ; PAPA, J. P. ; Papa, João P. . A wrapper approach for feature selection based on Bat Algorithm and Optimum-Path Forest. Expert Systems with Applications , v. 41, p. 2250-2258, 2013.

• Costa, K.A.P ; PEREIRA, C. R. ; Pereira, L. A. M. ; Nakamura, R. Y. M. ; Papa, J. P. . A Comparison about Evolutionary Algorithms for Optimum-Path Forest Clustering Optimization. Journal of Information Assurance and Security , v. 8, p. 76-85, 2013.

• Pereira, Luís A.M. ; NAKAMURA, R. Y. M. ; SOUZA, G. S. F. ; Martins, Dagoberto ; PAPA, J. P. . Aquatic weed automatic classification using machine learning techniques. Computers and Electronics in Agriculture , v. 87, p. 56-63, 2012.

• Pereira, Clayton R. ; Nakamura, Rodrigo Y.M. ; Costa, Kelton A.P. ; Papa, João P. . An Optimum-Path Forest framework for intrusion detection in computer networks. Engineering Applications of Artificial Intelligence , v. 25, p. 1226-1234, 2012.

• Nakamura, R. Y. M. ; PEREIRA, L. A. ; RODRIGUES, D. ; COSTA, K. ; PAPA, J. P. ; YANG, X-S. . Binary Bat Algorithm for Feature Selection. In: Xin-She Yang; Zhihua Cui; Renbin Xiao; Amir Hossein Gandomi; Mehmet Karamanoglu. (Org.). Swarm Intelligence and Bio-inspired Computation. 1ed.: Elsevier Science, 2013, v. , p. 225-238.

• Nakamura, R. Y. M. ; OSAKU, D. ; LEVADA, A. L. M. ; CAPPABIANCO, F. A. M. ; Falcão, Alexandre X. ; PAPA, J. P. . OPF-MRF: Optimum-Path Forest and Markov Random Fields for Contextual-based Image Classification. In: International Conference on Computer Analysis of Images and Patters (CAIP), 2013, York, UK. International Conference on Computer Analysis of Images and Patters (CAIP), 2013.

• PISANI, R. ; RIEDEL, P. ; COSTA, K. ; Nakamura, R. ; Pereira, C. ; ROSA, G. ; Papa, J. . Automatic landslide recognition through Optimum-Path Forest. In: IGARSS 2012 2012 IEEE International Geoscience and Remote Sensing Symposium, 2012, Munich. 2012 IEEE International Geoscience and Remote Sensing Symposium.

• Nakamura, R. Y. M. ; Papa, J. ; FONSECA, L. ; SANTOS, J. A. DOS ; TORRES, R. DA S. . Hyperspectral band selection through Optimum-Path Forest and evolutionary-based algorithms. In: IGARSS 2012 2012 IEEE International Geoscience and Remote Sensing Symposium, 2012, Munich. 2012 IEEE International Geoscience and Remote Sensing Symposium. p. 3066-3069.

• Souza, A.N. ; Ramos, C.C.O. ; GASTALDELLO, D. S. ; Nakamura, R.Y.M. ; Papa, J.P. . Fast fault diagnosis in power transformers using Optimum-Path Forest. In: 2012 IEEE 16th International Conference on Intelligent Engineering Systems (INES), 2012, Lisbon. 2012 IEEE 16th International Conference on Intelligent Engineering Systems (INES).

• Nakamura, R. Y. M. ; Pereira, L. ; SILVA, D. ; CARDOZO, P. ; Pereira, C. ; Ferasoli, H. ; ALVES, S. ; PIRES, R. ; SPADOTTO, A. ; Papa, J. . Fast robot voice interface through Optimum-Path Forest. In: 2012 IEEE 16th International Conference on Intelligent Engineering Systems (INES), 2012, Lisbon. 2012 IEEE 16th International Conference on Intelligent Engineering Systems (INES).

• Nakamura, R. Y. M. ; PEREIRA, L. A. M. ; COSTA, K. A. ; RODRIGUES, D. ; PAPA, J. P. ; YANG, X.-S. . BBA: A Binary Bat Algorithm for Feature Selection. In: 2012 XXV SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2012, Ouro Preto. 2012 25th SIBGRAPI Conference on Graphics, Patterns and Images.

• PISANI, R. J ; Mizobe, R ; Riedel, P. S ; Zimback, C. R. L ; PAPA, J. P. . Can we make remote sensing image classification fast enough?. In: XV Simpósio Brasileiro de Sensoriamento Remoto, 2011, Curitiba. ANAIS DO XV SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO. São José dos Campos: MCT/INPE, 2011. v. 01. p. 2724-2731.

• PISANI, R. J ; Riedel, P. S ; GOMES, A. ; Mizobe, R ; PAPA, J. P. . Is it possible to make pixel-based radar image classification user-friendly?. In: Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International, 2011, Vancouver. IEEE Internacional Geoscience and Remote Sensing Symposium, 2011. p. 4304-4307.

• PISANI, R. J ; Riedel, P. S ; FERREIRA, M. ; MARQUES, M. ; Mizobe, R ; PAPA, J. P. . Land Use Image Classification Through Optimum-Path Forest Clustering. In: Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International, 2011, Vancouver, BC, Canada. IEEE Internacional Geoscience and Remote Sensing Symposium, 2011. p. 826-829.

• RAMOS, C. C. O. ; SOUZA, A. N. ; NAKAMURA, R. Y. M. ; PAPA, J. P. . Electrical consumers data clustering through Optimum-Path Forest. In: International Conference on Intelligent System Application on Power Systems, 2011, Hersonissos. 2011 16th International Conference on Intelligent System Application to Power Systems (ISAP), 2011. p. 1-4.

• ALBUQUERQUE, V. H. C. ; NAKAMURA, R. Y. M. ; PAPA, J. P. ; SILVA, C. C. ; TAVARES, J. M. R. S. . Automatic Segmentation of the Secondary Austenite-phase Island Precipitates in a Superduplex Stainless Steel Weld Metal. In: International Conference VipIMAGE 2011, 2011, Algarve. III ECCOMAS Thematic Conference on Computational Vision and Medical Image Processing, 2011.

• PAPA, J. P. ; GUTIERREZ, M. E. M. ; NAKAMURA, R. Y. M. ; PAPA, L. P. ; VICENTINI, I. B. F. ; VICENTINI, C. A. . Automatic Classification of Fish Germ Cells Through Optimum-Path Forest. In: 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2011, Boston, MA, USA. 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2011. p. 5084-5087.

• Nakamura, R. Y. M. ; PEREIRA, C. R. ; PAPA, J. P. ; A. X. Falcão . Optimum-Path Forest Pruning Parameter Estimation Through Harmony Search. In: XXIV Sibgrapi Conference on Graphics, Patterns and Images, 2011, Maceió. XXIV Sibgrapi Conference on Graphics, Patterns and Images, 2011. p. 181-188.

• RAMOS, C. C. O. ; SOUZA, A. N. ; GASTALDELLO, D. S. ; NAKAMURA, R. Y. M. ; PAPA, J. P. . Identificação de Perdas Não-Técnicas Utilizando Agrupamento de Dados por Floresta de Caminhos Ótimos. In: X Simpósio Brasileiro de Automação Inteligente, 2011, São João del-Rei. Proceedings of X Simpósio Brasileiro de Automação Inteligente, 2011.

• MARQUES, C. ; Mizobe, R ; GUILHERME, I. R. ; PAPA, J. P. . New trends in musical genre classification using Optimum-Path Forest. In: ISMIR, 2011, Miami Beach, Florida. Proceedings of 12th International Society for Music Information Retrieval Conference, 2011.

• COSTA, KELTON ; PEREIRA, CLAYTON ; Nakamura, Rodrigo ; PAPA, JOAO . Intrusion detection in computer networks using Optimum-Path Forest clustering. In: 2012 IEEE 37th Conference on Local Computer Networks (LCN 2012), 2012, Clearwater Beach. 37th Annual IEEE Conference on Local Computer Networks.

• PEREIRA, C. R. ; NAKAMURA, R. Y. M. ; COSTA, K. ; PAPA, J. P. . Intrusion Detection System Using Optimum-Path Forest. In: 36th Annual IEEE Conference on Local Computer Networks, 2011, Bonn. Proceedings of 36th Annual IEEE Conference on Local Computer Networks, 2011.

• Nakamura, R. Y. M. ; PEREIRA, C. R. ; PAPA, J. P. . Otimizando Máquinas de Vetores de Suporte Utilizando Poda por Floresta de Caminhos Ótimos. In: 9th Workshop of Undergraduate Works (WUW) of Sibgrapi 2011, 2011, Maceió. Proceedings of XXIV Sibgrapi Conference on Graphics, Patterns and Images, 2011.

• PEREIRA, L. A. ; NAKAMURA, R. Y. M. ; PAPA, J. P. ; SOUZA, G. S. ; MARTINS, D. . Classificação Automática de Plantas Daninhas Aquáticas utilizando Floresta de Caminhos Ótimos. In: 9th Workshop of Undergraduate Works (WUW) of Sibgrapi 2011, 2011, Maceió. Proceedings of XXIV Sibgrapi Conference on Graphics, Patterns and Images, 2011.

Outras produções

Projetos de pesquisa

• 2012 - 2014

  Além das Técnicas Tradicionais de Reconhecimento Supervisionado de Padrões: Explorando Aprendizado Sequencial e Suporte a Múltiplos Rótulos por Floresta de Caminhos Ótimos, Descrição: Abordagens tradicionais de reconhecimento supervisionado de padrões, geralmente, assumem que os dados são amostrados por uma distribuição idêntica e independente. Nesse contexto, um conjunto de treinamento é utilizado pelo método com o intuito de aprender o comportamento dos dados para posterior classificação dos mesmos em um conjunto de teste, atribuindo a cada amostra um rótulo. Ocorre que, muitas vezes, os dados não são independentes e possuem uma correlação espacial, no caso de pixels de uma determinada vizinhança, e uma correlação temporal. Nesse caso, abordagens de aprendizado sequencial levam em consideração tais dependências entre as amostras. Em um outro contexto, existem várias aplicações que permitem com que uma dada amostra possua mais de um rótulo como, por exemplo, classificação de documentos: podemos encontrar um artigo de jornal que possa ser rotulado como sendo científico e, ao mesmo tempo, possa ser classificado como religioso. Aplicações de aprendizado sequencial com suporte a múltiplos rótulos tem sido bastante investigadas nos últimos anos para vários classificadores, dentre eles Redes Neurais Artificiais e Máquinas de Vetores de Suporte, inclusive por pesquisadores brasileiros. Nesse contexto, o presente projeto de pesquisa objetiva estudar os paradigmas de aprendizado supervisionado sequencial e aprendizado com suporte a múltiplos rótulos para um classificador recentemente proposto na literatura, denominado Floresta de Caminhos Ótimos (OPF - Optimum-Path Forest), dado que o mesmo ainda não foi adaptado para estes fins. O presente projeto espera contribuir sobremaneira com os avanços nessa área de pesquisa, dado que seus resultados serão incorporados a uma biblioteca de código aberto disponível para o classificador OPF. Processo #303182/2011-3. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (2) . , Integrantes: Rodrigo Yuji Mizobe Nakamura - Integrante / Joao Paulo Papa - Coordenador / Luis Augusto Pereira - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2012 - 2014

  Explorando abordagens de aprendizado seqüencial para floresta de caminhos ótimos, Descrição: Técnicas de reconhecimento de padrões tradicionais, geralmente, encontram dificuldades em lidar com problemas que requerem uma certadependência espacial e/ou temporal. Em determinadas aplicações como, por exemplo, identificação de ataques em uma rede de computadores, cada amostra da base de dados é modelada como sendo um acesso a um determinado computador. O vetor de características é criadoutilizando-se informações do pacote TCP/IP, tais como endereço de origem e destino, tamanho do pacote e permissão para executar algum processo, por exemplo. Ocorre que, muitas vezes, são necessários vários acessos à mesma máquina para ser caracterizado um determinado ataque. Dessa maneira, analisando-se cada acesso individualmente, pode não ser uma alternativa muito interessante. Nesse sentido, técnicas deaprendizado supervisionado sequenciais fazem uso dessa informação com o intuito de aumentar a eficácia das abordagens tradicionais. Dentreas inúmeras abordagens convencionais, podemos citar o classificador Floresta de Caminhos Ótimos (Optimum-Path Forest - OPF), o qual foirecentemente desenvolvido com o intuito de aliar eficiência no processo de treinamento dos dados com eficácia em sua classificação. Assim sendo, o presente trabalho de pesquisa objetiva o estudo dealgumas abordagens de aprendizado sequencial e sua implementação utilizando OPF. A originalidade da proposta consiste na implementaçãodo classificador OPF no ambiente de aprendizado supervisionado sequencial, dado que isto ainda não foi realizado até o momento. (AU) . , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) . , Integrantes: Rodrigo Yuji Mizobe Nakamura - Integrante / Joao Paulo Papa - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.

• 2010 - 2014

  Novas Tendências em Reconhecimento de Padrões baseado em Floresta de Caminhos Ótimos (FAPESP - Jovem Pesquisador), Descrição: Classificadores de padrões tradicionais, tais como Máquinas de Vetores de Suporte (Support Vector Machines - SVM) e redes neurais, pagam o preço de uma etapa de treinamento muito custosa para atingir taxas de exatidão aceitáveis em um conjunto de teste. Ainda assim, são inviáveis em situações que exigem um constante retreinamento dos dados e, principalmente, em aplicações com grande volume de dados (segmentação interativa de imagens de ressonância magnética do cérebro e de partículas de ferro em imagens metalográficas de alta resolução, por exemplo). Recentemente, um novo algoritmo de reconhecimento de padrões denominado Floresta de Caminhos Ótimos (Optimum-Path Forest - OPF) foi proposto na literatura, o qual demonstrou ser superior a redes neurais e classificadores bayesianos e similar às SVM, porém extremamente mais rápido (500x-1000x, dependendo do tamanho da base de dados), sendo ainda contemplado com 3 prêmios no ano de 2009. O classificador OPF modela a tarefa de classificação dos dados como sendo um problema de partição de um grafo induzido pelo espaço de características em árvores de caminhos ótimos (Optimum-Path Tree - OPT), onde cada amostra está mais fortemente conexa à raiz de sua árvore do que a qualquer outra raiz nessa floresta. Amostras pertencentes a uma mesma OPT recebem o mesmo rótulo no processo de classificação dos dados. Embora o classificador OPF tenha sido utilizado em diversas áreas de pesquisa nos últimos 2 anos, tais como sensoriamento remoto, visão computacional (impressão digital e reconhecimento de faces), identificação de doenças parasitárias em humanos e processamento de sinais biomédicos, existem ainda muitas outras que necessitam validar a sua aplicabilidade.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Rodrigo Yuji Mizobe Nakamura - Integrante / Joao Paulo Papa - Coordenador / André Nunes Souza - Integrante / Alexandre Falcão - Integrante / Clayton Reginaldo Pereira - Integrante / Kelton Costa - Integrante / Luis Augusto Pereira - Integrante / Caio Marques - Integrante / Aparecido Nilceu Marana - Integrante / Luis Cláudio Súgi Afonso - Integrante / André Franco Pagnin - Integrante / Daniel Osaku - Integrante / Alex Fernandes Mansano - Integrante / Ariane Dutra Vieira - Integrante / Marcos Vinícius Trigo Romero - Integrante / Rafael Gonçalves Pires - Integrante / Adriana Sayuri Iwashita - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.

• 2010 - 2011

  Redução do Tamanho do Conjunto de Treinamento por Floresta de Caminhos Ótimos e sua Aplicação em Máquinas de Vetores de Suporte., Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Rodrigo Yuji Mizobe Nakamura - Integrante / Joao Paulo Papa - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.