Robust Updating Classification Rule with applications in Food Authenticity Studies = Robust Updating Classification Rule con applicazioni a studi di autenticità degli alimenti

Andrea Cappozzo, Francesca Greselin, Brendan Murphy

Risultato della ricerca: Contributo in libroContributo a convegno

Abstract

[Ita:]Negli studi di autenticit`a degli alimenti risulta cruciale saper riconoscere prodotti contraffatti. In questo paper si adotta un approccio robusto per modificare una regola di classificazione semi-supervised e poter quindi identificare potenziali adulterazioni. L’approccio basato sulla selezione delle osservazioni che danno mi- nore contributo alla verosimiglianza globale, seguendo tecniche ben note di im- partial trimming. Esperimenti su dati reali, artificialmente adulterati, evidenziano l’efficacia del metodo proposto.
Lingua originaleEnglish
Titolo della pubblicazione ospiteBook of short Papers SIS 2018
Pagine1-6
Numero di pagine6
Stato di pubblicazionePubblicato - 2018
EventoScientific Meeting of the Italian Statistical Society - Palermo
Durata: 20 giu 201822 giu 2018

Convegno

ConvegnoScientific Meeting of the Italian Statistical Society
CittàPalermo
Periodo20/6/1822/6/18

Keywords

  • Robust Statistics
  • Impartial trimming
  • Food Authenticity
  • Semisupervised method
  • Model-based classification

Fingerprint

Entra nei temi di ricerca di 'Robust Updating Classification Rule with applications in Food Authenticity Studies = Robust Updating Classification Rule con applicazioni a studi di autenticità degli alimenti'. Insieme formano una fingerprint unica.

Cita questo