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 originale | Inglese |
|---|---|
| Titolo della pubblicazione ospite | Book of short Papers SIS 2018 |
| Pagine | 1-6 |
| Numero di pagine | 6 |
| Stato di pubblicazione | Pubblicato - 2018 |
| Evento | Scientific Meeting of the Italian Statistical Society - Palermo Durata: 20 giu 2018 → 22 giu 2018 |
Convegno
| Convegno | Scientific Meeting of the Italian Statistical Society |
|---|---|
| Città | Palermo |
| Periodo | 20/6/18 → 22/6/18 |
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
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver