Departamento de Ciências de Computação

Gustavo Enrique de Almeida Prado Alves Batista

Gustavo Batista holds a Master's and Ph.D. degrees in Computer Science from the University of São Paulo in São Carlos. In 2007, he joined the Institute of Mathematical and Computer Sciences as an assistant professor and became an associate professor in 2016. From 2010 to 2011, he was a visiting researcher at the University of California, Riverside. Dr. Batista has more than 100 peer-reviewed papers in conferences and journals and more than 5000 citations. He served as a member of premier conference program committee, such as ACM-KDD, SIAM-SDM, IEEE-ICDM and IJCAI, and as a member of the editorial board of the Machine Learning Journal. His research has been funded by various agencies such as FAPESP, CNPq, USAID, and Google. He has been a CNPq Productivity Fellow since 2013. His research interests include machine learning, data mining, time series, and data stream processing with applications in music recovery, public health, agriculture, and the environment.

http://lattes.cnpq.br/3521622923263530 (27092020)

Rótulo/Grupo:

Bolsa CNPq:

Período de análise:

Endereço: Universidade de São Paulo. . Instituto de Ciências Matemáticas e de Computação. Av. Trabalhador São-carlense, 400 CEP 13560970 - São Carlos, SP - Brasil

Grande área: [sem-grandeArea]

Área: [sem-area]

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (23)
1. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. AN ANALYSIS OF FOUR MISSING DATA TREATMENT METHODS FOR SUPERVISED LEARNING. Applied Artificial Intelligence. v. 17, n. 5-6, p. 519-533, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. Batista, Gustavo E. A. P. A.; Prati, Ronaldo C.; MONARD, Maria Carolina. A study of the behavior of several methods for balancing machine learning training data. SIGKDD Explorations. v. 6, n. 1, p. 20-, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. BATISTA, G. E. A. P. A.; BAZZAN, Ana Lucia Ceterich; MONARD, Maria Carolina. Balancing Training Data for Automated Annotation of Keywords: a Case Study. Revista Tecnologia da Informação. v. 3, n. 2, p. 15-20, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. BATISTA, G. E. A. P. A.; MILARÉ, Claudia Regina; PRATI, Ronaldo Cristiano; MONARD, Maria Carolina. A Comparison of Methods for Rule Subset Selection Applied to Associative Classification. Inteligencia Artificial. v. 10, p. 29-35, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. PRATI, Ronaldo Cristiano; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. A hybrid wrapper/filter approach for feature subset selection. SADIO Electronic Journal of Informatics and Operations Research. v. 8, p. 12-24, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. MILARÉ, Claudia Regina; BATISTA, G. E. A. P. A.; CARVALHO, André Carlos Ponce de Leon Ferreira de. A Study of the Influence of Rule Measures in Classifiers Induced by Evolutionary Algorithms. IEEE Intelligent Informatics Bulletin. v. 11, p. 8-13, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. Silva, D. F.; Souza, V. M. A.; Batista, Gustavo Enrique Almeida Prado Alves. A comparative study between MFCC and LSF coefficients in automatic recognition of isolated digits pronounced in Portuguese and English</b> - doi: 10.4025/actascitechnol.v35i4.19825. Acta Scientiarum. Technology (Online). v. 35, p. 621-628, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. PRATI, Ronaldo Cristiano; Batista, Gustavo Enrique Almeida Prado Alves; MONARD, Maria Carolina. Evaluating Classifiers Using ROC Curves. Revista IEEE América Latina. v. 6, p. 215-222, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. Prati, Ronaldo C.; Batista, Gustavo E. A. P. A.; MONARD, Maria Carolina. A Survey on Graphical Methods for Classification Predictive Performance Evaluation. IEEE Transactions on Knowledge and Data Engineering (Print). v. 23, p. 1601-1618, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. PRATI, R. C.; BATISTA, G. E. A. P. A.. A Complexity-Invariant Measure Based on Fractal Dimension for Time Series Classification. International Journal of Natural Computing Research. v. 3, p. 59-73, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. Thanawin Rakthanmanon; Campana, B. J. L.; Mueen, Abdullah; Batista, Gustavo Enrique Almeida Prado Alves; Westover, Brandon; Qiang Zhu; Zakaria, Jesin; Keogh, Eamonn. Addressing Big Data Time Series: Mining Trillions of Time Series Subsequences Under Dynamic Time Warping. ACM T KNOWL DISCOV D. v. 7, p. 10-, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
12. CHEN, Y.; WHY, A.; BATISTA, G. E. A. P. A.; Mafra Neto, A.; Keogh, Eamonn. Flying Insect Detection and Classification with Inexpensive Sensors. Journal of Visualized Experiments. v. 92, p. e52111-, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
13. Batista, Gustavo E. A. P. A.; KEOGH, EAMONN J.; TATAW, OBEN MOSES; SOUZA, VINÍCIUS M. A.. CID: an efficient complexity-invariant distance for time series. Data Mining and Knowledge Discovery. v. 28, p. 634-669, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
14. DEL GAUDIO, ROSA; Batista, Gustavo; BRANCO, ANTÓNIO. Coping with highly imbalanced datasets: A case study with definition extraction in a multilingual setting. Natural Language Engineering (Print). v. 20, p. 327-359, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
15. SILVA, DIEGO F.; SOUZA, VINÍCIUS M. A.; ELLIS, DANIEL P. W.; KEOGH, EAMONN J.; Batista, Gustavo E. A. P. A.. Exploring Low Cost Laser Sensors to Identify Flying Insect Species. Journal of Intelligent & Robotic Systems (Dordrecht. Online). v. 1, p. 1-, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
16. Prati, Ronaldo C.; Batista, Gustavo E. A. P. A.; SILVA, DIEGO F.. Class imbalance revisited: a new experimental setup to assess the performance of treatment methods. Knowledge and Information Systems (Print). v. 45, p. 247-270, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
17. CHEN, YANPING; WHY, ADENA; Batista, Gustavo; MAFRA-NETO, AGENOR; Keogh, Eamonn. Flying Insect Classification with Inexpensive Sensors. Journal of Insect Behavior. v. 27, p. 657-677, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
18. SOUZA, VINICIUS M.A.; ROSSI, RAFAEL G.; BATISTA, GUSTAVO E.A.P.A.; REZENDE, SOLANGE O.. Unsupervised active learning techniques for labeling training sets: An experimental evaluation on sequential data. Intelligent Data Analysis. v. 21, p. 1061-1095, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
19. SILVA, DIEGO F.; GIUSTI, RAFAEL; Keogh, Eamonn; Batista, Gustavo E. A. P. A.. Speeding up similarity search under dynamic time warping by pruning unpromising alignments. DATA MINING AND KNOWLEDGE DISCOVERY (DORDRECHT. ONLINE). v. 32, p. 988-1016, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
20. SILVA, DIEGO FURTADO; YEH, CHIN-CHIA MICHAEL; ZHU, YAN; Batista, Gustavo; Keogh, Eamonn. Fast Similarity Matrix Profile for Music Analysis and Exploration. IEEE TRANSACTIONS ON MULTIMEDIA. v. 21, p. 1-1, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
21. MALETZKE, ANDRÉ G.; DOS REIS, DENIS M.; Batista, Gustavo E. A. P. A.. Combining instance selection and self-training to improve data stream quantification. JOURNAL OF THE BRAZILIAN COMPUTER SOCIETY (IMPRESSO). v. 24, p. 12-, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
22. SABINO PARMEZAN, ANTONIO RAFAEL; SOUZA, VINICIUS M.A.; BATISTA, GUSTAVO E.A.P.A.. Evaluation of statistical and machine learning models for time series prediction: Identifying the state-of-the-art and the best conditions for the use of each model. INFORMATION SCIENCES. v. 484, p. 302-337, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
23. Milare, C. R.; BATISTA, G. E. A. P. A.; Carvalho, A. C. P. L. F.. A hybrid approach to learn with imbalanced classes using evolutionary algorithms. Logic Journal of the IGPL (Print). v. 19, p. 293-303, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Livros publicados/organizados ou edições (0)
Capítulos de livros publicados (6)
1. Maletzke, André Gustavo; Lee, Huei Diana; Enrique, Gustavo; Batista, Almeida Prado Alves; Coy, Cláudio Saddy Rodrigues; Fagundes, João José; Chung, Wu Feng. Time Series Classification with Motifs and Characteristics. Em: Studies in Computational Intelligence. 1 ed. : Springer Berlin Heidelberg. 2014.v. 537, p. 125-138.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. GIUSTI, RAFAEL; SILVA, DIEGO F.; Batista, Gustavo E. A. P. A.. Time Series Classification with Representation Ensembles. Em: Lecture Notes in Computer Science. 1 ed. : Springer International Publishing. 2015.p. 108-119.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. SILVA, DIEGO F.; CHEN, YANPING; WHY, ADENA; Keogh, Eamonn; BATISTA, GUSTAVO E.A.P.A.. Automatic insect classification using Bayesian classifier and audio processing features. Em: The plant protection data tool box. 1 ed. : New Zealand Plant Protection Society. 2015.p. 155-160.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. da Silva, Tiago Pinho; Souza, Vinicius Mourão Alves; Batista, Gustavo Enrique Almeida Prado Alves; de Arruda Camargo, Heloisa. A Fuzzy Classifier for Data Streams with Infinitely Delayed Labels. Em: Lecture Notes in Computer Science. 1 ed. : Springer International Publishing. 2019.p. 287-295.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. dos Reis, Denis; MALETZKE, ANDRÉ; Cherman, Everton; Batista, Gustavo. One-Class Quantification. Em: Lecture Notes in Computer Science. 1 ed. : Springer International Publishing. 2019.p. 273-289.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. Parmezan, Antonio Rafael Sabino; SOUZA, VINICIUS M. A.; Batista, Gustavo E. A. P. A.. Towards Hierarchical Classification of Data Streams. Em: Lecture Notes in Computer Science. 1 ed. : Springer International Publishing. 2019.p. 314-322.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Textos em jornais de notícias/revistas (0)
Trabalhos completos publicados em anais de congressos (92)
1. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. AMPSAM: Um Ambiente Computacional para Medir a Performance de Sistemas de Aprendizado de Máquina. Em: Encontro Nacional de Inteligência Artificial, p. 41-45, 1997.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Aplicando Seleção Unilateral em Conjuntos de Exemplos Desbalanceados: Resultados Iniciais. Em: Encontro Nacional de Inteligência Artificial, p. 327-340, 1999.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. BATISTA, G. E. A. P. A.; CARVALHO, André Carlos Ponce de Leon Ferreira de; MONARD, Maria Carolina. Applying One-sided Selection to Unbalanced Datasets. Em: Mexican International Conference on Artificial Intelligence, v. 1793, p. 315-325, 2000.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. BARANAUSKAS, J. A.; MONARD, Maria Carolina; BATISTA, G. E. A. P. A.. A Computational Environment for Extracting Rules from Databases. Em: International Conference on Data Mining, p. 321-330, 2000.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. MILARÉ, Cláudia Regina; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Uma Ferramenta para Extração de Conhecimento de Redes Neurais. Em: Seminário Integrado de Software e Hardware, p. 59-70, 1997.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. MONARD, Maria Carolina; MILARÉ, Cláudia Regina; BATISTA, G. E. A. P. A.. A Tool to Explore Explanation Facilities in Neural Networks. Em: Australian Conference on Neural Networks, p. 128-132, 1998.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Uma Proposta para o Tratamento de Valores Desconhecidos Utilizando o Algoritmo K-Vizinhos mais Próximos. Em: Simpósio Brasileiro de Automação Inteligente, p. 20-30, 2001.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. A Study of K-Nearest Neighbour as a Model-Based Method to Treat Missing Data. Em: Argentine Symposium on Artificial Intelligence, v. 30, p. 1-9, 2001.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. LORENA, A. C.; BATISTA, G. E. A. P. A.; CARVALHO, André Carlos Ponce de Leon Ferreira de; MONARD, Maria Carolina. The Influence of Noisy Patterns in the Performance of Learning Methods in the Splice Junction Recognition Problem. Em: Simpósio Brasileiro de Redes Neurais, p. 1-6, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. LORENA, A. C.; BATISTA, G. E. A. P. A.; CARVALHO, André Carlos Ponce de Leon Ferreira de; MONARD, Maria Carolina. Splice Junction Recognition Using Machine Learning Techniques. Em: Workshop Brasileiro de Bioinformática, p. 32-39, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. MONARD, Maria Carolina; BATISTA, G. E. A. P. A.. Learning with Skewed Class Distributions. Em: Terceiro Congresso de Lógica Aplicada à Tecnologia, p. 173-180, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
12. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. A Study of K-Nearest Neighbour as an Imputation Method. Em: Second International Conference on Hybrid Intelligent Systems, v. 87, p. 251-260, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
13. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. An Analysis of Four Missing Data Treatment Methods for Supervised Learning. Em: First International Workshop on Data Cleaning and Preprocessing, p. 142-152, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
14. BATISTA, G. E. A. P. A.; BAZZAN, Ana Lucia Ceterich; MONARD, Maria Carolina. Balancing Training Data for Automated Annotation of Keywords: a Case Study. Em: Segundo Workshop Brasileiro em Bioinformática, p. 21-28, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
15. MONARD, Maria Carolina; BATISTA, G. E. A. P. A.. Graphical Methods for Classifier Performance Evaluation. Em: Congress of Logic Applied to Technology, p. 59-67, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
16. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Um Estudo Sobre a Efetividade do Método de Imputação Baseado no Algoritmo k-Vizinhos mais Próximos. Em: IV Workshop on Advances & Trends in AI for Problem Solving, p. 1-6, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
17. PRATI, Ronaldo Cristiano; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Uma Experiência no Balanceamento Artificial de Conjuntos de Dados para Aprendizado com Classes Desbalanceadas utilizando Análise ROC. Em: IV Workshop on Advances & Trends in AI for Problem Solving, p. 28-33, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
18. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Sniffer: um Ambiente Computacional para Gerenciamento de Experimentos de Aprendizado de Máquina Supervisionado. Em: WorkComp Sul, p. 13-24, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
19. MATSUBARA, Edson Takashi; MONARD, Maria Carolina; BATISTA, G. E. A. P. A.. Aprendizado Semi-supervisionado Multi-visão para a Classificação de Bases de Texto. Em: Workshop on Artificial Intelligence, p. 1-9, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
20. MATSUBARA, Edson Takashi; MONARD, Maria Carolina; BATISTA, G. E. A. P. A.. Multi-view Semi-supervised Learning: An Approach to Obtain Different Views from Text Datasets. Em: Congress Of Logic Applied to Technology, p. 97-104, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
21. MATSUBARA, Edson Takashi; MONARD, Maria Carolina; BATISTA, G. E. A. P. A.. Utilizando Algoritmos de Aprendizado Semi-supervisionados Multi-visão como Rotuladores de Textos. Em: Workshop em Tecnologia da Informação e da Linguagem Humana, p. 2108-2117, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
22. BATISTA, G. E. A. P. A.; PRATI, Ronaldo Cristiano; MONARD, Maria Carolina. Balancing Strategies and Class Overlapping. Em: VI International Symposium on Intelligent Data Analysis, v. 3646, p. 24-35, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
23. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina; BAZZAN, Ana Lucia Ceterich. Improving Rule induction Precision for Automatec Annotation by Balancing Skewed Data Sets. Em: International Symposium on Knowledge Exploration in Life Science Informatics, v. 3303, p. 20-32, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
24. MILARÉ, Cláudia Regina; BATISTA, G. E. A. P. A.; CARVALHO, André Carlos Ponce de Leon Ferreira de; MONARD, Maria Carolina. Applying Genetic and Symbolic Learning Algorithms to Extract Rules from Artificial Neural Neworks. Em: Mexican International Conference on Artificial Intelligence, v. 2972, p. 833-843, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
25. PRATI, Ronaldo Cristiano; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Class Imbalances versus Class Overlapping: an Analysis of a Learning System Behaviour. Em: Mexican International Conference on Artificial Intelligence, v. 2972, p. 312-321, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
26. PRATI, Ronaldo Cristiano; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Learning with Class Skews and Small Disjuncts. Em: XVII Brazilian Symposium on Artificial Intelligence, v. 3171, p. 296-306, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
27. BATISTA, G. E. A. P. A.; MILARÉ, Claudia Regina; PRATI, Ronaldo Cristiano; MONARD, Maria Carolina. A Comparison of Methods for Rule Subset Selection Applied to Associative Classification. Em: VIII Argentine Symposium on Artificial Intelligence, p. 45-54, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
28. BATISTA, G. E. A. P. A.; PRATI, Ronaldo Cristiano; MONARD, Maria Carolina; Giusti, R.; MILARÉ, Claudia Regina. Classificação Associativa utilizando Seleção e Construção de Regras: um Estudo Comparativo. Em: Encontro Nacional de Inteligência Artificial, v. 1, p. 1321-1330, 2007.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
29. PRATI, Ronaldo Cristiano; MONARD, Maria Carolina; BATISTA, G. E. A. P. A.. A Hybrid Wrapper/FilterApproach for Feature Subset Selection. Em: Argentine Symposium on Artificial Intelligence, p. 1-11, 2007.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
30. PRATI, Ronaldo Cristiano; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. A Study with Class Imbalance and Random Sampling for a Decision Tree Learning System. Em: IFIP World Computer Congress - TC 12 IFIP International Conference on Artificial Intelligence in Theory and Practice (IFIP AI 2008), v. 276, p. 131-140, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
31. MATSUBARA, Edson Takashi; PRATI, Ronaldo Cristiano; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Missing value imputation using a semi-supervised rank aggregation approach. Em: Simpósio Brasileiro em Inteligência Artificial, v. 5249, p. 217-226, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
32. Giusti, R.; BATISTA, G. E. A. P. A.; PRATI, Ronaldo Cristiano. Evaluating Ranking Composition Methods for Multi-Objective Optimization of Knowledge Rules. Em: 8th International Conference on Hybrid Intelligent Systems, p. 537-542, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
33. MALETZKE, A. G.; BATISTA, G. E. A. P. A.; LEE, H. D.. Uma Avaliação sobre a Identificação de Motifs em Séries Temporais. Em: Congresso da Academia Trinacional de Ciências, p. 1-10, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
34. ROSADA, L. F.; BATISTA, G. E. A. P. A.. A Biblioteca DOL para Mineração de Dados e Séries Temporais. Em: Congresso da Academina Trinacional de Ciências, p. 11-20, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
35. CESTARI, D. M.; MALETZKE, A. G.; BATISTA, G. E. A. P. A.. Avaliação do Algoritmo de Força-Bruta para a Identificação de Padrões Freqüentes em Séries Temporais. Em: Congresso da Academia Trinacional de Ciências, p. 21-28, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
36. BATISTA, G. E. A. P. A.; Silva, D. F.. How k-Nearest Neighbor Parameters Aﬀect its Performance. Em: Argentine Symposium on Artificial Intelligence, p. 1-12, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
37. MILARÉ, Claudia Regina; BATISTA, G. E. A. P. A.; CARVALHO, André Carlos Ponce de Leon Ferreira de. A Hybrid Approach to Learn with Imbalanced Classes using Evolutionary Algorithms. Em: International Conference Computational and Mathematical Methods in Science and Engineering, v. 2, p. 701-710, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
38. MALETZKE, A. G.; BATISTA, G. E. A. P. A.; LEE, H. D.; Wu, F. C.. Mineração de Séries Temporais por meio da Extração de Características e da Identificação de Motifs. Em: Encontro Nacional de Inteligência Artificial, p. 1-10, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
39. MILARÉ, Claudia Regina; BATISTA, G. E. A. P. A.; CARVALHO, André Carlos Ponce de Leon Ferreira de. Avaliação de uma Abordagem Híbrida para Aprender com Classes Desbalanceadas: Resultados Experimentais com o Indutor CN2. Em: Congresso da Academia Trinacional de Ciências, p. 1-10, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
40. Ferrero, C. A.; MALETZKE, A. G.; LEE, H. D.; BATISTA, G. E. A. P. A.; Wu, F. C.. Extração de Padrões e Construção de Modelos Simbólicos para Previsão de Dados Temporais. Em: Congresso da Academia Trinacional de Ciências, p. 11-20, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
41. Silva, D. F.; BATISTA, G. E. A. P. A.. Uma Comparação Experimental de Métodos de Imputação de Valores Desconhecidos. Em: Congresso da Academia Trinacional de Ciências, p. 21-29, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
42. PRATI, Ronaldo Cristiano; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Data mining with imbalanced class distributions: concepts and methods. Em: Indian International Conference on Artificial Intelligence, p. 1-17, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
43. BATISTA, G. E. A. P. A.; Wang, X.; Keogh, E. J.. A Complexity-Invariant Distance Measure for Time Series. Em: SIAM Conference on Data Mining, p. 699-710, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
44. Silva, D. F.; BATISTA, G. E. A. P. A.; Keogh, E. J.; Mafra Neto, A.. Resultados Preliminares na Classificação de Insetos Utilizando Sensores Ópticos. Em: Encontro Nacional de Inteligência Computacional, p. 749-760, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
45. Qiang Zhu; Batista, Gustavo E. A. P. A.; Thanawin Rakthanmanon; Keogh, E. J.. A Novel Approximation to Dynamic Time Warping allows Anytime Clustering of Massive Time Series Datasets. Em: SIAM International Conference on Data Mining, p. 999-1010, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
46. PRATI, Ronaldo Cristiano; Batista, Gustavo E. A. P. A.. Distância invariante à complexidade baseada em dimensão fractal para classificação de séries temporais. Em: Encontro Nacional de Inteligência Artificial, p. 1-12, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
47. Silva, D. F.; Souza, V. M. A.; Batista, Gustavo E. A. P. A.; Giusti, R.. Spoken Digit Recognition in Portuguese Using Line Spectral Frequencies. Em: 13th Ibero-American Conference on Artificial Intelligence, v. 7637, p. 241-250, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
48. GIUSTI, RAFAEL; Batista, Gustavo Enrique Almeida Prado Alves. Descoberta de regras de conhecimento utilizando computação evolutiva multi-objetivo. Em: Concurso de Tese e Dissertações em Inteligência Artificial - CTDIA, p. 1-12, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
49. Rakthanmanon, Thanawin; Campana, B. J. L.; Mueen, Abdullah; Batista, Gustavo Enrique Almeida Prado Alves; WESTOVER, B.; Zhu, Qiang; Zakaria, Jesin; Keogh, Eamonn. Data Mining a Trillion Time Series Subsequences Under Dynamic Time Warping. Em: International Joint Conference on Artificial Intelligence - IJCAI'13, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
50. CHEN, Y.; HU, B.; Keogh, Eamonn; Batista, Gustavo Enrique Almeida Prado Alves. DTW-D: Time Series Semi-Supervised Learning from a Single Example. Em: 19th ACM SIGKDD Conference on Knowledge Discovery and Data Mining - KDD 2013, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
51. BATISTA, GUSTAVO E.A.P.A.; Campana, Bilson; Keogh, Eamonn. Classification of Live Moths Combining Texture, Color and Shape Primitives. Em: 2010 International Conference on Machine Learning and Applications (ICMLA), p. 903-906, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
52. BATISTA, GUSTAVO E.A.P.A.; HAO, YUAN; Keogh, Eamonn; MAFRA-NETO, AGENOR. Towards Automatic Classification on Flying Insects Using Inexpensive Sensors. Em: 2011 Tenth International Conference on Machine Learning and Applications (ICMLA), p. 364-369, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
53. Batista, Gustavo E.; KEOGH, EAMONN J.; MAFRA-NETO, AGENOR; ROWTON, EDGAR. SIGKDD demo. Em: the 17th ACM SIGKDD international conference, p. 761-764, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
54. Batista, Gustavo; SILVA, DIEGO FURTADO; PRATI, Ronaldo Cristiano. An Experimental Design to Evaluate Class Imbalance Treatment Methods. Em: 2012 Eleventh International Conference on Machine Learning and Applications (ICMLA), p. 95-101, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
55. Rakthanmanon, Thanawin; Campana, Bilson; Mueen, Abdullah; Batista, Gustavo; Westover, Brandon; Zhu, Qiang; Zakaria, Jesin; Keogh, Eamonn. Searching and mining trillions of time series subsequences under dynamic time warping. Em: the 18th ACM SIGKDD international conference, p. 262-270, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
56. GIUSTI, RAFAEL; BATISTA, GUSTAVO E.A.P.A.. Discovering Knowledge Rules with Multi-Objective Evolutionary Computing. Em: 2010 International Conference on Machine Learning and Applications (ICMLA), p. 119-124, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
57. SOUSA, C. A. R.; REZENDE, S. O.; Batista, Gustavo Enrique Almeida Prado Alves. Infuence of Graph Construction on Semi-supervised Learning. Em: European Conference on Machine Learning, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
58. Giusti, R.; BATISTA, GUSTAVO E.A.P.A.. An Empirical Comparison of Dissimilarity Measures for Time Series Classification. Em: Brazilian Conference on Intelligent Systems, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
59. Souza, V. M. A.; Silva, D. F.; BATISTA, GUSTAVO E.A.P.A.. Classification of Data Streams Applied to Insect Recognition: Initial Results. Em: Brazilian Conference on Intelligent Systems, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
60. Silva, D. F.; PAPADOPOULOS, H.; BATISTA, GUSTAVO E.A.P.A.; ELLIS, D. P. W.. A Video Compression-based Approach To Measure Music Structural Similarity. Em: International Conference on Music Information Retrieval, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
61. Silva, D. F.; Souza, V. M. A.; Batista, Gustavo E.; Keogh, Eamonn; ELLIS, D. P. W.. Applying Machine Learning and Audio Analysis Techniques to Insect Recognition in Intelligent Traps. Em: International Conference on Machine Learning and Applications, p. 1-6, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
62. Souza, V. M. A.; Silva, D. F.; GARCIA, P. R. P.; Batista, Gustavo E.. Avaliação de classificadores para o reconhecimento automático de insetos. Em: Encontro Nacional de Inteligência Artificial e Computacional, p. 1-10, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
63. Silva, D. F.; Souza, V. M. A.; Batista, Gustavo Enrique Almeida Prado Alves. Time Series Classification Using Compression Distance of Recurrence Plots. Em: IEEE International Conference on Data Mining, p. 1-10, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
64. DOMINGUES, MARCOS A.; CHERMAN, EVERTON A.; NOGUEIRA, BRUNO M.; CONRADO, MERLEY S.; ROSSI, RAFAEL G.; DE PADUA, RENAN; MARCACINI, RICARDO M.; SOUZA, VINICIUS M. A.; Batista, Gustavo E. A. P. A.; RCZENDC, SOLANGE O.. A comparative study of algorithms for recommending given names. Em: 2013 Second International Conference on Informatics & Applications (ICIA 2013), p. 66-71, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
65. Souza, V. M. A.; Silva, D. F.; BATISTA, G. E. A. P. A.. Extracting Texture Features for Time Series Classification. Em: International Conference on Pattern Recognition (ICPR'14), p. -, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
66. SOUZA, C. A. R.; Souza, V. M. A.; BATISTA, G. E. A. P. A.. Time series transductive classification on imbalanced data sets: an experimental study. Em: International Conference on Pattern Recognition (ICPR'14), p. -, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
67. LEMES, CRISTIANO INACIO; SILVA, DIEGO FURTADO; BATISTA, GUSTAVO E.A.P.A.. Adding Diversity to Rank Examples in Anytime Nearest Neighbor Classification. Em: 2014 13th International Conference on Machine Learning and Applications (ICMLA), p. 129-134, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
68. Silva, D. F.; ROSSI, RAFAEL G.; REZENDE, S. O.; BATISTA, G. E. A. P. A.. MUSIC CLASSIFICATION BY TRANSDUCTIVE LEARNING USING BIPARTITE HETEROGENEOUS NETWORKS. Em: 15th International Society for Music Information Retrieval Conference (ISMIR 2014), p. 113-118, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
69. Souza, V. M. A.; Silva, D. F.; Gama, J.; BATISTA, G. E. A. P. A.. Classification Guided by Clustering on Nonstationary Environments and Extreme Verification Latency. Em: SIAM International Conference on Data Mining (SDM), p. 873-881, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
70. Souza, V. M. A.; BATISTA, G. E. A. P. A.; Souza-Filho, N. E.. Automatic Classification of Drum Sounds with Indefinite Pitch. Em: International Joint Conference on Neural Networks (IJCNN), p. 1-8, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
71. SOUSA, C. A. R.; Souza, V. M. A.; BATISTA, G. E. A. P. A.. An Experimental Analysis on Time Series Transductive Classification on Graphs. Em: International Joint Conference on Neural Networks (IJCNN), p. 1-8, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
72. Qi, Y.; Cinar, G.; Souza, V. M. A.; BATISTA, G. E. A. P. A.; Wang, Y.; Principe, J.. Effective Insect Recognition Using a Stacked Autoencoder with Maximum Correntropy Criterion. Em: International Joint Conference on Neural Networks (IJCNN), p. 1-8, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
73. SOUSA, C. A. R.; BATISTA, G. E. A. P. A.. Robust multi-class graph transduction with higher order regularization. Em: International Joint Conference on Neural Networks (IJCNN), p. 1-8, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
74. PARMEZAN, A. R. S.; BATISTA, GUSTAVO E.A.P.A.. A Study of the Use of Complexity Measures in the Similarity Search Process Adopted by kNN Algorithm for Time Series Prediction. Em: International Conference on Machine Learning and Applications, p. 1-6, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
75. Souza, V. M. A.; Silva, D. F.; BATISTA, GUSTAVO E.A.P.A.; Gama, J.. Classification of Evolving Data Streams with Infinitely Delayed Labels. Em: International Conference on Machine Learning and Applicationsions, p. 1-6, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
76. OLIVEIRA, L. S.; BATISTA, GUSTAVO E.A.P.A.. IGMM-CD: A Gaussian Mixture Classification Algorithm for Data Streams with Concept Drifts. Em: Brazilian Conference on Intelligent Systems, p. 55-61, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
77. SILVA, DIEGO F.; SOUZA, VINICIUS M. A.; BATISTA, GUSTAVO E.A.P.A.. Music Shapelets for Fast Cover Song Recognition. Em: International Society for Music Information Retrieval Conference, p. 441-447, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
78. DOS REIS, DENIS MOREIRA; FLACH, PETER; MATWIN, STAN; Batista, Gustavo. Fast Unsupervised Online Drift Detection Using Incremental Kolmogorov-Smirnov Test. Em: the 22nd ACM SIGKDD International Conference, p. 1545-, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
79. SILVA, DIEGO FURTADO; BATISTA, GUSTAVO E.A.P.A.. Speeding Up All-Pairwise Dynamic Time Warping Matrix Calculation. Em: SIAM International Conference on Data Mining (SDM), p. -, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
80. SILVA, DIEGO FURTADO; BATISTA, GUSTAVO E.A.P.A.; KEOGH, EAMONN J.. On the Effect of Endpoints on Dynamic Time Warping. Em: 2nd SIGKDD Workshop On Mining and Learning From Time Series, p. 1-6, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
81. SILVA, DIEGO F.; Yeh, C. M.; BATISTA, GUSTAVO E.A.P.A.; Keogh, Eamonn. SiMPle: Assessing Music Similarity Using Subsequences Joins. Em: 16th International Society for Music Information Retrieval Conference, p. 23-29, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
82. SOUSA, C. A. R.; BATISTA, GUSTAVO E.A.P.A.. Constrained Local and Global Consistency for Semi-supervised Learning. Em: 23rd International Conference on Pattern Recognition, p. -, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
83. Silva, D. F.; BATISTA, GUSTAVO E.A.P.A.; Keogh, Eamonn. Prefix and Suffix Invariant Dynamic Time Warping. Em: IEEE International Conference on Data Mining, p. 1-6, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
84. GIUSTI, RAFAEL; Silva, D. F.; BATISTA, GUSTAVO E.A.P.A.. Improved Time Series Classification with Representation Diversity and SVM. Em: IEEE International Conference on Machine Learning and Applications, p. 1-6, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
85. DOS REIS, DENIS M.; MALETZKE, ANDRÉ G.; Batista, Gustavo E. A. P. A.. Unsupervised context switch for classification tasks on data streams with recurrent concepts. Em: the 33rd Annual ACM Symposium, p. 518-524, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
86. MOREIRA DOS REIS, DENIS; MALETZKE, ANDRÉ; SILVA, DIEGO F.; Batista, Gustavo E. A. P. A.. Classifying and Counting with Recurrent Contexts. Em: the 24th ACM SIGKDD International Conference, p. 1983-1992, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
87. MALETZKE, ANDRE G.; DOS REIS, DENIS M.; BATISTA, GUSTAVO E.A.P.A.. Quantification in Data Streams: Initial Results. Em: 2017 Brazilian Conference on Intelligent Systems (BRACIS), p. 43-48, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
88. SILVA, DIEGO F.; BATISTA, GUSTAVO E.A.P.A.; Keogh, E. J.. Large-Scale Similarity-Based Time Series Mining. Em: Concurso de Teses e Dissertações (CTD-SBC), v. 31, p. 1-6, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
89. MALETZKE, ANDRÉ; DOS REIS, DENIS M.; CHERMAN, EVERTON A.; BATISTA, GUSTAVO E.A.P.A.. On the Need of Class Ratio Insensitive Drift Tests for Data Streams. Em: Second International Workshop on Learning with Imbalanced Domains: Theory and Applications, v. 94, p. 110-124, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
90. FURTADO SILVA, DIEGO; E. A. P. A. BATISTA, GUSTAVO. Elastic Time Series Motifs and Discords. Em: 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA), p. 237-242, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
91. MALETZKE, ANDRÉ; dos Reis, Denis; Cherman, Everton; Batista, Gustavo E.. DyS: A Framework for Mixture Models in Quantification. Em: AAAI Conference on Artificial Intelligence, v. 33, p. 4552-4560, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
92. SOUZA, VINICIUS; PINHO, TIAGO; Batista, Gustavo. Evaluating Stream Classifiers with Delayed Labels Information. Em: 2018 7th Brazilian Conference on Intelligent Systems (BRACIS), p. 408-413, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Resumos expandidos publicados em anais de congressos (0)
Resumos publicados em anais de congressos (11)
1. CARRETONI, L.Z.; BATISTA, G. E. A. P. A.. Estudo e desenvolvimento de um ambiente de controle externo para robôs móveis. Em: XI Encontro de Iniciação cientifica da Pontifícia Universidade Católica de Campinas, p. 11-12, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. Mattos, L. R.; BATISTA, G. E. A. P. A.. Geração Automática de Mapas para Navegação de Robôs Móveis. Em: XI Encontro de Iniciação cientifica da Pontifícia Universidade Católica de Campinas, p. 13-14, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. Paolieri Neto, F.; BATISTA, G. E. A. P. A.. Estudo de técnicas de aprendizado de máquina aplicadas à navegação de robôs móveis. Em: XI Encontro de Iniciação cientifica da Pontifícia Universidade Católica de Campinas, p. 10-10, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. MARTOS, L. P.; BATISTA, G. E. A. P. A.. Armazenamento e Manipulação de Grandes Tabelas Atributo-Valor para Mineração de Dados. Em: Simpósio Internacional de Iniciação Científica da USP, p. -, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. ROSADA, L. F.; BATISTA, G. E. A. P. A.. Re-projetando a biblioteca DOL para aumento de desempenho na Mineração de Dados e Séries Temporais. Em: Simpósio Internacional de Iniciação Científica da USP, p. -, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. CESTARI, D. M.; MALETZKE, A. G.; BATISTA, G. E. A. P. A.. Avaliação do Algoritmo de Força-Bruta para a Identificação de Padrões Frequentes em Séries Temporais. Em: Simpósio Internacional de Iniciação Científica da USP, p. -, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. Batista, Gustavo; Keogh, E. J.; Mafra Neto, A.. Counting and classifying mosquitoes from a distance with ultra cheap sensors. Em: Annual Meeting of the AMCA, p. 1-3, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. Silva, D. F.; Batista, Gustavo E. A. P. A.. Tratamento de Classes Desbalanceadas por Métodos de Amostragem com Implementações no Weka. Em: Simpósio Internacional de Iniciação Científica da USP, p. 1-1, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. Silva, D. F.; Batista, Gustavo E. A. P. A.. Tratamento de Valores Desconhecidos em Aprendizado de Máquina Supervisionado. Em: Simpósio Internacional de Iniciação Científica da USP, p. 1-1, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. Mafra Neto, A.; Keogh, E. J.; DEKKER, T.; Batista, Gustavo Enrique Almeida Prado Alves; MBOERA, L.; KEMIBALA, E.; KIJA, P.; SINGH, S.; FOSTER, W.; WHITE, G.; SAROLI, J.; SILVA, R.; SHAHBAZI, M.; BERNARDI, C.; URRUTIA, W.; BORGES, R.; MARTINEZ, G.; AVALOS, B.; MAFRA, L.; SPENCER, K.. Behavior manipulation of vectors of disease. Em: ABSTRACTS OF PAPERS OF THE AMERICAN CHEMICAL SOCIETY, p. -, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. MALETZKE, ANDRÉ; MILARÉ, Claudia Regina; NADAI, B.; SAROLI, J.; SINGH, S.; Corbi, J. J.; MAFRA-NETO, AGENOR; Keogh, Eamonn; BATISTA, GUSTAVO E.A.P.A.. Automatic insect recognition with optical sensors with variability of temperature and humidity. Em: AMCA 84th Annual Meeting, p. 1-1, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Artigos aceitos para publicação (0)
Apresentações de trabalho (0)
Demais tipos de produção bibliográfica (7)
1. KEMP, A. H.; BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Descrição da Implementação dos Métodos Estatísticos de Resampling do Ambiente Discover. 2001. Relatório Técnico, Nr. 143, ICMC-USP. (Relatório técnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Descrição da Implementação dos Métodos Estatísticos de Resampling do Ambiente AMPSAM. 1998. Relatório Técnico, Nr. 68, ICMC-USP. (Relatório técnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Descrição da Implementação PROLOG de uma Ferramenta para Extração de Conhecimento de Redes Neurais. 1997. Relatório Técnico, Nr. 54, ICMC-USP. (Relatório técnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Descrição da Arquitetura e do Projeto do Ambiente Computacional Discover Learning Environment - DLE. 2003. Relatório Técnico, Nr. 187, ICMC-USP. (Relatório técnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. BATISTA, G. E. A. P. A.; MONARD, Maria Carolina. Experimental Comparison of K-Nearest Neighbour and Mean or Mode Imputation Methods with the Internal Strategies Used by C4.5 an CN2 to Treat Missing Data. 2003. Relatório Técnico, Nr. 186, ICMC-USP. (Relatório técnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. MILARÉ, Claudia Regina; Batista, Gustavo; CARVALHO, André Carlos Ponce de Leon Ferreira de. Descrição de uma Abordagem Híbrida para Aprender com Classes Desbalanceadas Utilizando Algoritmos Genéticos. 2010. . (Relatório técnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. GOMES, A. K.; BERNARDINI, F. C.; MONARD, Maria Carolina; BATISTA, G. E. A. P. A.. Uma Sintaxe Padrão Prolog para Classificadores Simbólicos. 2002. Relatório Técnico, Nr. 154, ICMC-USP. (Relatório técnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Produção técnica

Programas de computador com registro de patente (0)
Programas de computador sem registro de patente (0)
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (0)
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (3)
1. Waqar Hassan. Classification and Quantification on Data Streams. Instituto de Ciências Matemáticas e de Computação, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Início: 2018.
  Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
2. Tiago Pinho da Silva. Forenses Eleitorais: Detectando irregularidades em dados eleitorais sib não-estacionariedade espacial. Instituto de Ciências Matemáticas e de Computação, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2018.
  Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
3. Antonio Rafael Sabino Parmezan. Hierarchical Classification of Data Streams. Instituto de Ciências Matemáticas e de Computação, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Início: 2016.
  Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
Dissertação de mestrado (1)
1. Gabriel Tessaroli Giancristofaro. Mineração de Dados para criação de uma ferramenta de busca unificada entre Recursos Educacionais Abertos. Instituto de Ciências Matemáticas e de Computação, . Início: 2018.
  Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (0)
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (2)
1. Vinícius Mourão Alves de Souza. . Instituto de Ciências Matemáticas e de Computação, Fundação de Apoio à Física e à Química. 2018.
  Supervisão de pós-doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
2. Everton Alvares Cherman. . Instituto de Ciências Matemáticas e de Computação, Fundação de Apoio à Física e à Química. 2018.
  Supervisão de pós-doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
Tese de doutorado (7)

Rosa del Gaudio. Automatic Extraction of Definitions. Universidade de Lisboa, . 2008.
Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
Vinícius Mourão Alves de Souza. Identificação de atributos para a classificação automática de insetos utilizando sensores laser. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2016.
Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
Rafael Giusti. Classificação de Séries Temporais Utilizando Diferentes Representações de Dados e Ensembles. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2017.
Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
Celso André Rodrigues de Souza. Constrained graph-based semisupervised learning. Instituto de Ciências Matemáticas e de Computação, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2017.
Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
Diego Furtado Silva. Análise de Séries Temporais por Similaridade em Larga Escala. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2017.
Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
André Gustavo Maletzke. Controlling Dengue Fever Mosquitoes using Intelligent Sensors and Traps. Instituto de Ciências Matemáticas e de Computação, Google Brasil. 2015.
Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
Denis Moreira dos Reis. Unsupervised Context Detection of Streaming Data For Classification. Instituto de Ciências Matemáticas e de Computação, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2017.
Tese de doutorado: Gustavo Enrique de Almeida Prado Alves Batista.
Dissertação de mestrado (9)

Rafael Giusti. Discovery of Knowledge Rules with Multiobjective Evolutionary Computation. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2010.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Diego Furtado Silva. Classificação de séries temporais por similaridade e extração de atributos intrínsecos com aplicação na identificação de espécie de insetos. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2014.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Luan Soares Oliveira. Classificação de fluxos de dados não estacionários com algoritmos incrementais baseados no modelo de misturas gaussianas. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2015.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Antonio Rafael Sabino Parmezan. Predição de Séries Temporais por Similaridade. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2016.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Cristiano Inácio Lemes. Algoritmos anytime baseados em instâncias para classificação em fluxo de dados. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2016.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Lucas Schmidt Cavalcante. Amostragem e medidas de qualidade de shapelets. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2016.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Denis Moreira dos Reis. Data Stream Classification with Concept Drift and Extreme Verification Latency. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2016.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Lucas Tsutsui da Silva. Desenvolvimento de uma Ferramenta de Suporte ao Uso de Classificadores em Sistemas Embarcados. Instituto de Ciências Matemáticas e de Computação, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2017.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
André Gustavo Maletzke. Uma Metodologia para a Extração de Conhecimento em Séries Temporais por Meio da Identificação de Motifs e da Extração de Características. Instituto de Ciências Matemáticas e de Computação, Fundação Parque Tecnológico Itapú. 2009.
Dissertação de mestrado: Gustavo Enrique de Almeida Prado Alves Batista.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (7)

Thiago Teixeira Coelho de Felipo. Catalogador de Mídias com Controle de Empréstimo. Pontifícia Universidade Católica de Campinas, . 2006.
Trabalho_de_conclusao_de_curso_graduacao: Gustavo Enrique de Almeida Prado Alves Batista.
Rafael Giusti. Indução de regras com propriedades específicas utilizando computação evolutiva multi-objetivo e rankings. Instituto de Ciências Matemáticas de São Carlos, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2007.
Trabalho_de_conclusao_de_curso_graduacao: Gustavo Enrique de Almeida Prado Alves Batista.
Airton Gomes Finoti. Inteligência Artificial para um time de futebol simulado. Instituto de Ciências Matemáticas e de Computação, Coordenadoria de Administração Geral Usp. 2008.
Orientadores: Gustavo Enrique de Almeida Prado Alves Batista, Cristina Dutra de Aguiar.
Leandro Augusto Fogolin Pereira. Sensor de Ângulo Multiprocessado. Pontifícia Universidade Católica de Campinas, . 2010.
Trabalho_de_conclusao_de_curso_graduacao: Gustavo Enrique de Almeida Prado Alves Batista.
Diego Furtado Silva. Classificação de Insetos Vetores de Doenças por Meio de Sensores Laser. Instituto de Ciências Matemáticas e de Computação, . 2011.
Trabalho_de_conclusao_de_curso_graduacao: Gustavo Enrique de Almeida Prado Alves Batista.
Lucas Schmidt Cavalcante. Reconhecimento de escrita cursiva utilizando séries temporais e distância dynamic time warping. Instituto de Ciências Matemáticas e de Computação, . 2012.
Trabalho_de_conclusao_de_curso_graduacao: Gustavo Enrique de Almeida Prado Alves Batista.
Carlos Eduardo Guillen Davila. Predição de Séries Temporais por Métodos de Similaridade. Instituto de Ciências Matemáticas e de Computação, . 2012.
Trabalho_de_conclusao_de_curso_graduacao: Gustavo Enrique de Almeida Prado Alves Batista.
Iniciação científica (17)

Fernando Paolieri Neto. Estudo de técnicas de aprendizado de máquina aplicadas à navegação de robôs móveis. Pontifícia Universidade Católica de Campinas, Fundo de Apoio à Iniciação Científica - PUC-Campinas. 2006.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Leonardo Zamarion Carretoni. Estudo e desenvolvimento de um ambiente de controle externo para robôs móveis. Pontifícia Universidade Católica de Campinas, Fundo de Apoio à Iniciação Científica - PUC-Campinas. 2006.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Leandro Rosa de Mattos. Geração Automática de Mapas para Navegação de Robôs Móveis. Pontifícia Universidade Católica de Campinas, Fundo de Apoio à Iniciação Científica - PUC-Campinas. 2006.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Leandro Augusto Fogolin Pereira. Estudo e Desenvolvimento de uma Biblioteca para Tratamento de Sinais de Sensores de Robôs Móveis. Pontifícia Universidade Católica de Campinas, Fundo de Apoio à Iniciação Científica - PUC-Campinas. 2006.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Rafael Giusti. Indução de Regras de Conhecimento utilizando Computaçao Evolutiva Multi-Objetivo e Rankings. Instituto de Ciências Matemáticas de São Carlos, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2007.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Luiz Paulo Martos. Armazenamento e Manipulação de Grandes Tabelas Atributo-Valor para Mineração de Dados. Instituto de Ciências Matemáticas de São Carlos, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2008.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Lucas Fernando Rosada. Re-projetando a Biblioteca DOL para Aumento de Desempenho na Mineração de Dados e Séries Temporais. Instituto de Ciências Matemáticas e de Computação, Fundação Parque Tecnológico Itapú. 2008.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Daniel Moreira Cestari. Estudo e implementação de algoritmos clássicos de pré-processamento e representação de séries temporais. Instituto de Ciências Matemáticas e de Computação, Fundação Parque Tecnológico Itapú. 2008.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Diego Furtado da Silva. Tratamento de Valores Desconhecidos em Aprendizado de Máquina Supervisionado. Instituto de Ciências Matemáticas e de Computação, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2009.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Diego Furtado Silva. Treatment of imbalanced classes using sampling methods with implementations in Weka. Instituto de Ciências Matemáticas e de Computação, Pró-reitoria de Graduação da Universidade de São Paulo. 2010.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Pedro Rael Palhares Garcia. Avaliação de Classificadores para Reconhecimento Automático de Insetos. Instituto de Ciências Matemáticas e de Computação, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2012.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Gabriela Pinto Cesar Duque. Estudo Comparativo de Medidas de Complexidade para Classificação e Agrupamento de Séries Temporais. Instituto de Ciências Matemáticas e de Computação, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2013.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Tamires Brito da Silva. Avaliação automática no aprendizado de algoritmos. Instituto de Ciências Matemáticas e de Computação, Pró-reitoria de Graduação da Universidade de São Paulo. 2012.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Tiago de Miranda Leite. Implementação firmware sensor digital de insetos. Instituto de Ciências Matemáticas e de Computação, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2015.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Bruno Gomes Coelho. Avaliação de Algoritmos de Aprendizado de Máquina para Reconhecimento de Espécies de Mosquitos. Instituto de Ciências Matemáticas e de Computação, . 2017.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Zoltan Hirata Jetsmen. Avaliação de Métodos de Deep Learning para Reconhecimento de Espécies de Mosquitos. Instituto de Ciências Matemáticas e de Computação, . 2017.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Bruno Tenório. Investigação sobre Avaliação Online em Disciplinas de Programação. Instituto de Ciências Matemáticas e de Computação, Pró-reitoria de Graduação da Universidade de São Paulo. 2009.
Iniciacao_cientifica: Gustavo Enrique de Almeida Prado Alves Batista.
Orientações de outra natureza (0)

Projetos de pesquisa

Total de projetos de pesquisa (16)

2007-2007. Machine Learning with Imbalanced Data Sets
Diversos fatores podem influenciar no desempenho de classificação de novos exemplos dos métodos de Aprendizado de Máquina - AM -, os quais são freqüentemente utilizados em Descoberta de Conhecimento em Bases de Dados - KDD. Entre eles está o problema de aprender na presença de classes desbalanceadas ou assimétricas. Esse problema ocorre quando algumas classes apresentam um número muito maior de exemplos do que outras. Pesquisadores têm reportado que classes desbalanceadas ocorrem com freqüência em bases de dados do mundo real originárias de diversos domínios de aplicação. Mesmo com toda pesquisa realizada sobre o assunto, não existe um consenso sobre quais abordagens são as mais indicadas para lidar com esse problema. Este projeto de pesquisa tem como principal objetivo realizar uma ampla pesquisa sobre o problema de classes desbalanceadas. Essa pesquisa irá investigar como o problema de classes desbalanceadas influencia o desempenho obtido por sistemas de AM. Como resultado final espera-se obter um conjunto de recomendações que possam auxiliar um pesquisador/usuário com um conjunto de dados com classes desbalanceadas a melhor tratar esse problema.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
-.

Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2007-2007. Computational Modelling of Complex Systems using Data, Image and Text Mining
O objetivo geral deste projeto, o qual pode ser caracterizado como um projeto de pesquisa científica e tecnológica, é pesquisar, propor e desenvolver soluções para a representação, indexação, modelagem e análise de dados complexos para possibilitar que um analista do domínio possa compreender os inter-relacionamentos existentes nos dados, imagens e textos, de modo a auxiliá-lo a tomar decisões nos processos de recuperação de informação, descoberta de conhecimento e diagnóstico. O projeto visa o desenvolvimento de um ferramental teórico e prático que auxilie analistas na modelagem desse tipo de sistemas complexos, com foco nos temas de: indução de modelos simbólicos com aplicações em sériestemporais e dados sequenciais; anáise de bases de dados não-estruturados e semi-estruturados para mineração de textos; mineração de imagens em um sistema de arquivamento e recuperação de imagens médicas por conteúdo
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2009-2009. Sequential and Temporal Data Mining

Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2010-2010. Time Series Classification Algorithms Applied to Embedded Systems
Integrating sequential and temporal data into the Data Mining process is of one of the most important challenges in Machine Learning. In this project, we are mostly interested in developing time series classification algorithms. The k-nearest neighbor algorithm is a common approach to time series classification. This algorithm has been known to perform well, especially when allied to distance measures that can deal with time lags, such as the Dynamic Time Warping. However, the classical k-nearest neighbor algorithm is computationally intensive. One may solve this problem by using indexes to increase the efficiency of similarity queries. This project proposes to investigate indexing algorithms that have the properties of anyspace algorithms. Anyspace algorithms are able to deal with different amounts of memory, in such a way that the algorithm performance depends directly on the amount of available memory. Such algorithms allow specifying the amount of memory based on the performance required by an embedded application. This project also deals with classification methods based on induction of classification rules. An approach to induce rules from time series data is the identification of motifs. Motifs are frequently occurring subsequences that usually represent a phenomenon of interest. A convenient aspect of rules is the ease one finds in writing a procedural program which implements the rule's logic with little memory and processing resources. The algorithms developed in this post-doctoral stage will be applied in insect control and monitoring using devices developed by ISCA Technologies.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2006-2006. Institute Factory of Millennium
Os objetivos gerais do Instituto Fábrica do Milênio (IFM) podem ser entendidos como a proposição, o desenvolvimento e a disseminação de mecanismos para o aumento da competitividade e do conhecimento científico e tecnológico das empresas instaladas no país, através da formação de um cluster de pesquisas integradas, abordando os os temas que determinam hoje a competitividade de empresas de manufatura. O conjunto de instituições e projetos envolvidos formam uma massa crítica que os capacitam a desenvolver um espectro de pesquisas (que abrangem desde o desenvolvimento de tecnologias industriais básicas até elementos de gestão) que podem, se organizadas de forma integrada, contribuir efetivamente para o desenvolvimento das indústrias brasileiras. Descrição completa desse projeto encontra-se em: http://www.ifm.org.br.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2012-2012. Complexity-invariance for Classification, Clustering and Motif Discovery in Time Series
Recently, there is an increasing interest in time series processing due to the large number of application domains that generate data with such property. Such interest can be measured by the vast amount of methods recently proposed in literature to tasks such as classification, clustering, summarization, abnormality detection and motif discovery. Recent studies have shown for several problems that methods based on similarity present an efficacy that is hardly surpassed, even when compared to more sophisticated methods. This is mainly due to the fact that the community has studied and proposed several invariances to distance measures for time series. The invariances make the distance measures ignore certain undesired data properties. The most well-known example is the invariance to local differences in time scale, obtained with the warping technique. Other invariances include the invariance to differences in amplitude and offset, phase and occlusion. Recently, we demonstrated to the scientific community that time series similarity classification methods can be largely benefited by a new invariance: complexity invariance. The main objective of this research project is to investigate new complexity-invariant distance measures and assess how such measures can improve the efficacy especially of clustering and motif discovery algorithms.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
-.

Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2012-2012. Wireless Bug-Sensor: Wireless Sensors to Enable Precision Agriculture and Increase Food Yields in Developing Countries
The project objective is the development of an important tool for farmers worldwide: tiny, inexpensive sensors that can automatically count and classify the insects in the field. This technology then translates the information and sends the farmer a once-a-day text message with instructions on the type of intervention necessary and a map of the isolated locations where action is needed. This method allows farmers a more targeted approach than mass intervention, reducing costs for labor and pesticides.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2010-2010. Counting and classifying insects with ultra-cheap sensors
We propose to build ultra cheap (less than $5) sensors that can count and distinguish between various kinds of insects (including malaria vectors) from a large distance. Our work has the potential to revolutionize epidemiological modeling by proving accurate real-time counts of vectors down to the species/sex level, thus allowing for more effective vector control.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2013-2013. Research on Geo-spatial Marine Biology Data Mining Using Time Series, Text Mining and Visualization
We propose a focused, interdisciplinary research project on data mining and data visualization with a specific focus on marine data. This data is particularly challenging for data mining as it presents only a very sparse set of data points with respect to the volume of the marine space that is being modelled and investigated. It also presents a set of challenges in visualization of data and of modelling results, as the data are inherently three-dimensional and from an unfamiliar context relative to data from on land. We will work in an interdisciplinary team with researchers in data mining, data visualization, and marine biology to develop visualization methods that will be appropriate for marine biology applications of data mining. The data may be derived from multiple disparate sources, including fisheries or scientific surveys, autonomous sensors, satellite data or field studies. For model outputs, we will particularly work on the visualization of results from a new generation of ecosystem model, analogous to the general circulation models used to predict global climate. This model includes all organism types on both land and sea. We face the challenge that it can produce gigabytes to terabytes of outputs, including tracking all organism interactions, individual states, and the spatial distribution of individuals. Thus we need to summarize, extract, and visualize outputs at multiple scales including that of individuals, ecological communities, and the globe. These data need to be visualized in a manner that will then be useful and interpretable for the international policy community.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2014-2014. Real-time Monitoring of Insect Pragues in Agriculture and the Environment
Não há dúvidas de que insetos são muito importantes na agricultura e no meio ambiente. Embora os insetos que mais atraiam atenção sejam as pragas agrícolas, muitos insetos são benéficos para o meio ambiente e para os seres humanos. Por exemplo, insetos são responsáveis pela polinização de pelo menos dois terços de todos os alimentos consumidos no mundo. Devido à sua importância para os seres humanos, o recente declínio das populações de insetos polinizadores, especialmente as abelhas, é considerado um grave problema ambiental frequentemente associado à exposição a pesticidas. Acreditamos que pelo uso de tecnologia é possível reduzir a utilização de pesticidas. Para isso, propomos uma armadilha inteligente de baixo custo que captura seletivamente espécies de insetos nocivos, libertando todas as outras espécies. Tal armadilha terá um impacto mínimo sobre o meio ambiente. No cerne da armadilha inteligente encontra-se um novo sensor que estamos desenvolvendo. Este sensor faz uso de uma luz laser para capturar dados de insetos à distância e utiliza técnicas de Aprendizado de Máquina para identificar as espécies de insetos. Neste projeto propomos desenvolver o sensor e a armadilha inteligente e utilizá-los em uma importante aplicação agrícola, capturando o psilídeo dos citros. Esta praga afeta plantações de laranja e está presente no Brasil e nos Estados Unidos. Descrevemos os desafios científicos e tecnológicos para desenvolver tal armadilha inteligente. Discutimos o nosso plano para desenvolve-la em um prazo de quatro anos a partir do estado atual de desenvolvimento até a realização de experimentos em campo.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2014-2014. Projeto e desenvolvimento de uma armadilha inteligente para insetos com o objetivo demonstrar seu funcionamento para imprensa e público
Não há dúvidas de que insetos são muito importantes na agricultura e no meio ambiente. Embora os insetos que mais atraiam atenção sejam as pragas agrícolas, muitos insetos são benéficos para o meio ambiente e para os seres humanos. Por exemplo, insetos são responsáveis pela polinização de pelo menos dois terços de todos os alimentos consumidos no mundo. Devido à sua importância para os seres humanos, o recente declínio das populações de insetos polinizadores, especialmente as abelhas, é considerado um grave problema ambiental frequentemente associado à exposição a pesticidas. Acreditamos que pelo uso de tecnologia é possível reduzir a utilização de pesticidas. Para isso, propomos uma armadilha inteligente de baixo custo que captura seletivamente espécies de insetos nocivos, libertando todas as outras espécies. Tal armadilha terá um impacto mínimo sobre o meio ambiente. No cerne da armadilha inteligente encontra-se um novo sensor que estamos desenvolvendo. Este sensor faz uso de uma luz laser para capturar dados de insetos à distância e utiliza técnicas de Aprendizado de Máquina para identificar as espécies de insetos. Neste projeto propomos desenvolver uma armadilha inteligente para fins de demonstração ao público em geral em feiras e para a imprensa. Essa armadilha consiste em três câmaras, a primeira com duas espécies de insetos misturadas, está conectada as outras duas por meio de um tubo. No tubo é instalado o sensor juntamente com uma porta abre-fecha. O sensor irá classificar os insetos em tempo real separando as espécies nas outras duas câmaras. A armadilha deve ser construída em acrílico ou outro material transparente com o objetivo de permitir a visualização de todo o processo de identificação e classificação dos insetos.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2016-2016. An Intelligent Trap and Mobile Application to Motivate Local Mosquito Control Activities
In the last years we have witnessed a tremendous increase of dengue fever cases followed by the appearance of zika and chikungunya fevers. All these diseases have in common the Aedes aegypti mosquito as the main vector. The Aedes aegypti is highly adapted to urban conditions and its resilience to insecticides has made unilateral governmental mosquito control activities ineffective. The control of the mosquito is only possible with the joint effort of organizations, governments and the active participation of the population. In this project, we propose an innovative approach for community engagement and vector control. Our idea is to propose an inexpensive intelligent trap that will empower the population with the knowledge of Aedes aegypti densities. Such a trap will make use of mobile devices to educate the population about proper mosquito control activities as well as evaluate the effectives of these activities based on the number of captured mosquitoes.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2017-2017. Intelligent Traps and Sensors: an Innovative Approach to Control Insect Pests and Disease Vectors

Membro: Gustavo Enrique de Almeida Prado Alves Batista.
2015-2015. Controlling Dengue Fever Mosquitoes using Intelligent Sensors and Traps
In the last decades we have witnessed a tremendous increase of dengue fever cases. Four decades ago only 9 countries had reported severe dengue epidemics. Currently, dengue is endemic in more than 100 countries. In this project we discuss why we are losing the war against dengue and propose a completely different approach for vector control. We propose to further develop our recent research on intelligent sensors to field conditions. Our idea is to propose an inexpensive device that will empower the population with the knowledge of Aedes aegypti densities. This will motivate local mosquito control activities and put the population, governmental and aid organizations far ahead of disease outbreaks.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.

Prêmios e títulos

Total de prêmios e títulos (1)

Best Ph.D. Thesis (Diego Silva). CLEI. 2018.
Membro: Gustavo Enrique de Almeida Prado Alves Batista.

Participação em eventos

Total de participação em eventos (28)

Uma Avaliação sobre a Identificação de Motifs em Séries Temporais. Congresso da Academia Trinacional de Ciências
Classification Guided by Clustering on Nonstationary Environments and Extreme Verification Latency. SIAM International Conference on Data Mining (SDM)
Sensors and Software to Allow Computational Entomology, an Emerging Application of Data Mining. ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Distância invariante à complexidade baseada em dimensão fractal para classificação de séries temporais. Encontro Nacional de Inteligência Artificial
Discovering Knowledge Rules with Multi-Objective Evolutionary Computing. International Conference on Machine Learning and Applications
Influence of graph construction on semi-supervised learning. European Conference on Machine Learning
Applying Machine Learning and Audio Analysis Techniques to Insect Recognition in Intelligent Traps. International Conference on Machine Learning and Applications
Participante do XVII Congresso da Sociedade Brasileira de Computação. XVII Congresso da Sociedade Brasileira de Computação
Revisor do XVII Brazilian Symposium on Artificial Intelligence.. XVII Brazilian Symposium on Artificial Intelligence
. International Joint Conference: 7th Iberoamerican Conference on Artificial Intelligence and 15th Brazilian Conference on Artificial Intelligence
DTW-D: Time Series Semi-Supervised Learning from a Single Example. 19th ACM SIGKDD Conference on Knowledge Discovery and Data Mining - KDD 2013
An Experimental Design to Evaluate Class Imbalance Treatment Methods. 2012 Eleventh International Conference on Machine Learning and Applications (ICMLA)
A Complexity-Invariant Distance Measure for Time Series. SIAM Conference on Data Mining
Revisor do III Mexican International Conference on Artificial Intelligence.. III Mexican International Conference on Artificial Intelligence
Revisor do III Congresso de Lógica Aplicada à Tecnologia. III Congresso de Lógica Aplicada à Tecnologia
An Experimental Comparison of Missing Data Imputation Methods. IV Congresso da Academia Trinacional de Ciências
Mineração de Séries Temporais por meio da Extração de Características e da Identificação de Motifs. XXIX Congresso da Sociedade Brasileira de Computação
Participante do Second International Conference on Hybrid Intelligent Systems. Second International Conference on Hybrid Intelligent Systems
Seminário Integrado de Software e Hardware. XXXIV Congresso da Sociedade Brasileira de Computação
Classification of Data Streams Applied to Insect Recognition: Initial Results. Brazilian Conference on Intelligent Systems
Revisor do IX Ibero-American Conference on Artificial Intelligence. IX Ibero-American Conference on Artificial Intelligence.
. Congresso da Academia Trinacional de Ciências
Revisor do Fourth Congress of Logic Applied to Technology. Congress of Logic Applied to Technology
An Experimental Comparison of Missing Data Imputation Methods. IV Congresso da Academia Trinacional de Ciências
. International Conference on Data Mining
Time Series Classification Using Compression Distance of Recurrence Plots. IEEE International Conference on Data Mining
Revisor do I Congresso de Lógica Aplicada a Engenharia. I Congresso de Lógica Aplicada a Engenharia
Participante do Mexican International Conference on Artificial Intelligence. Mexican International Conference on Artificial Intelligence

Organização de eventos

Total de organização de eventos (7)

. IV Workshop on MSc Dissertation and PhD Thesis in Artificial Intelligence (WTDIA 2008). Sociedade Brasileira de Computação. 2008. Organizacao
. VI Best MSc Dissertation/PhD Thesis Contest (CTDIA 2008). Sociedade Brasileira de Computação. 2008. Organizacao
. Second School on Machine Learning and Knowledge Discovery in Databases,. Instituto de Ciências Matemáticas e de Computação. 2013. Organizacao
. Encontro Nacional de Inteligência Artificial e Computacional. Sociedade Brasileira de Computação. 2013. Organizacao
. UCR Insect Classification Contest. University of California, Riverside. 2012. Organizacao
. Third School on Machine Learning and Knowledge Discovery in Databases. Instituto de Ciências Matemáticas e de Computação. 2014. Organizacao
. Program chair of the Brazilian Conference on Intelligent Systems (BRACIS). IEEE. 2017. Organizacao

Lista de colaborações

Colaborações endôgenas (3)

Gustavo Enrique de Almeida Prado Alves Batista ⇔ Diego Furtado Silva (25.0)
SILVA, DIEGO F.; GIUSTI, RAFAEL; KEOGH, EAMONN; Batista, Gustavo E. A. P. A.. Speeding up similarity search under dynamic time warping by pruning unpromising alignments. DATA MINING AND KNOWLEDGE DISCOVERY (DORDRECHT. ONLINE). v. 32, p. 988-1016, 2018.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, DIEGO FURTADO; YEH, CHIN-CHIA MICHAEL; ZHU, YAN; BATISTA, GUSTAVO; KEOGH, EAMONN. Fast Similarity Matrix Profile for Music Analysis and Exploration. IEEE Transactions on Multimedia. v. 21, p. 1-1, 2018.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, DIEGO F.; SOUZA, VINÍCIUS M. A.; ELLIS, DANIEL P. W.; KEOGH, EAMONN J.; BATISTA, GUSTAVO E. A. P. A.. Exploring Low Cost Laser Sensors to Identify Flying Insect Species. Journal of Intelligent & Robotic Systems (Dordrecht. Online). v. 1, p. 1-18, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Prati, Ronaldo C.; Batista, Gustavo E. A. P. A.; SILVA, DIEGO F.. Class imbalance revisited: a new experimental setup to assess the performance of treatment methods. Knowledge and Information Systems (Print). v. 45, p. 247-270, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
MOREIRA DOS REIS, DENIS; MALETZKE, ANDRÉ; SILVA, DIEGO F.; Batista, Gustavo E. A. P. A.. Classifying and Counting with Recurrent Contexts. Em: ACM SIGKDD Conference on Knowledge Discovery and Data Mining, p. 1983-1992, 2018.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
FURTADO SILVA, DIEGO; E. A. P. A. BATISTA, GUSTAVO. Elastic Time Series Motifs and Discords. Em: 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA), p. 237-242, 2018.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, DIEGO FURTADO; BATISTA, GUSTAVO E.A.P.A.. Speeding Up All-Pairwise Dynamic Time Warping Matrix Calculation. Em: SIAM International Conference on Data Mining (SDM), p. 837-845, 2016.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, DIEGO F.; Yeh, C. M.; BATISTA, GUSTAVO E.A.P.A.; Keogh, Eamonn. SiMPle: Assessing Music Similarity Using Subsequences Joins. Em: 16th International Society for Music Information Retrieval Conference, p. 23-29, 2016.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, DIEGO F.; BATISTA, GUSTAVO E. A. P. A.; KEOGH, EAMONN. Prefix and Suffix Invariant Dynamic Time Warping. Em: IEEE International Conference on Data Mining, p. 1209-1214, 2016.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
GIUSTI, RAFAEL; SILVA, DIEGO F.; Batista, Gustavo E. A. P. A.. Improved Time Series Classification with Representation Diversity and SVM. Em: 2016 15th IEEE International Conference on Machine Learning and Applications (ICMLA), p. 1-6, 2016.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SOUZA, VINÍCIUS M. A.; SILVA, DIEGO F.; GAMA, JOÃO; BATISTA, GUSTAVO E. A. P. A.. Data Stream Classification Guided by Clustering on Nonstationary Environments and Extreme Verification Latency. Em: SIAM International Conference on Data Mining (SDM), p. 873-881, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SOUZA, VINICIUS M.A.; SILVA, DIEGO F.; BATISTA, GUSTAVO E.A.P.A.; GAMA, JOAO. Classification of Evolving Data Streams with Infinitely Delayed Labels. Em: 2015 IEEE 14th International Conference on Machine Learning and Applications (ICMLA), p. 214-219, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, DIEGO F.; SOUZA, VINICIUS M. A.; BATISTA, GUSTAVO E.A.P.A.. Music Shapelets for Fast Cover Song Recognition. Em: International Society for Music Information Retrieval Conference, p. 441-447, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SOUZA, VINICIUS M.A.; SILVA, DIEGO F.; BATISTA, GUSTAVO E.A.P.A.. Extracting Texture Features for Time Series Classification. Em: 2014 22nd International Conference on Pattern Recognition (ICPR), p. 1425-1430, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
LEMES, CRISTIANO INACIO; SILVA, DIEGO FURTADO; BATISTA, GUSTAVO E.A.P.A.. Adding Diversity to Rank Examples in Anytime Nearest Neighbor Classification. Em: 2014 13th International Conference on Machine Learning and Applications (ICMLA), p. 129-134, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Silva, D. F.; ROSSI, RAFAEL G.; REZENDE, S. O.; BATISTA, G. E. A. P. A.. Music Classification by Transductive Learning Using Bipartite Heterogeneous Networks. Em: 15th International Society for Music Information Retrieval Conference (ISMIR 2014), v. 1, p. 113-118, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SOUZA, VINICIUS M.A. DE; SILVA, DIEGO F.; BATISTA, GUSTAVO E.A.P.A.. Classification of Data Streams Applied to Insect Recognition: Initial Results. Em: 2013 Brazilian Conference on Intelligent Systems (BRACIS), p. 76-81, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Silva, D. F.; PAPADOPOULOS, H.; BATISTA, GUSTAVO E.A.P.A.; ELLIS, D. P. W.. A Video Compression-based Approach To Measure Music Structural Similarity. Em: International Society for Music Information Retrieval Conference, p. 95-100, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, DIEGO F.; SOUZA, VINICIUS M.A. DE; BATISTA, GUSTAVO E.A.P.A.; KEOGH, EAMONN; ELLIS, DANIEL P.W.. Applying Machine Learning and Audio Analysis Techniques to Insect Recognition in Intelligent Traps. Em: 2013 12th International Conference on Machine Learning and Applications (ICMLA), p. 99-104, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SOUZA, V. M. A.; SILVA, D. F.; BATISTA, G. E. A. P. A.; GARCIA, P. R. P.. Avaliação de Classificadores para o Reconhecimento Automático de Insetos. Em: Encontro Nacional de Inteligência Artificial e Computacional, p. 1-12, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Silva, D. F.; Souza, V. M. A.; Batista, Gustavo Enrique Almeida Prado Alves. Time Series Classification Using Compression Distance of Recurrence Plots. Em: 2013 IEEE International Conference on Data Mining (ICDM), p. 687-696, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Silva, D. F.; Souza, V. M. A.; Batista, Gustavo E. A. P. A.; Giusti, R.. Spoken Digit Recognition in Portuguese Using Line Spectral Frequencies. Em: The 13th Ibero-American Conference on Artificial Intelligence, v. 7637, p. 241-250, 2012.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
BATISTA, GUSTAVO; SILVA, DIEGO FURTADO; PRATI, RONALDO CRISTIANO. An Experimental Design to Evaluate Class Imbalance Treatment Methods. Em: 2012 Eleventh International Conference on Machine Learning and Applications (ICMLA), v. 2, p. 95-101, 2012.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, D. F.; BATISTA, G. E. A. P. A.; KEOGH, E. J.; MAFRA NETO, A.. Resultados Preliminares na Classificação de Insetos Utilizando Sensores Ópticos. Em: XXXI Congresso da Sociedade Brasileira de Computação, p. 749-760, 2011.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SILVA, D. F.; BATISTA, G. E. A. P. A.. Uma Comparação Experimental de Métodos de Imputação de Valores Desconhecidos. Em: IV Congresso da Academia Trinacional de Ciências, p. 21-29, 2009.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Gustavo Enrique de Almeida Prado Alves Batista ⇔ Solange Oliveira Rezende (4.0)
SOUZA, VINICIUS M.A.; ROSSI, RAFAEL G.; BATISTA, GUSTAVO E.A.P.A.; REZENDE, SOLANGE O.. Unsupervised active learning techniques for labeling training sets: An experimental evaluation on sequential data. Intelligent Data Analysis. v. 21, p. 1061-1095, 2017.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Silva, D. F.; ROSSI, RAFAEL G.; REZENDE, S. O.; BATISTA, G. E. A. P. A.. Music Classification by Transductive Learning Using Bipartite Heterogeneous Networks. Em: 15th International Society for Music Information Retrieval Conference (ISMIR 2014), v. 1, p. 113-118, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SOUSA, C. A. R.; REZENDE, S. O.; Batista, Gustavo Enrique Almeida Prado Alves. Influence of graph construction on semi-supervised learning. Em: European Conference on Machine Learning and Knowledge Discovery in Databases (ECML PKDD), v. 8190, p. 160-175, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
DOMINGUES, MARCOS A.; CHERMAN, EVERTON A.; NOGUEIRA, BRUNO M.; CONRADO, MERLEY S.; ROSSI, RAFAEL G.; DE PADUA, RENAN; MARCACINI, RICARDO M.; SOUZA, VINICIUS M. A.; BATISTA, GUSTAVO E. A. P. A.; RCZENDC, SOLANGE O.. A comparative study of algorithms for recommending given names. Em: 2013 Second International Conference on Informatics & Applications (ICIA 2013), p. 66-71, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Gustavo Enrique de Almeida Prado Alves Batista ⇔ Ricardo Marcondes Marcacini (1.0)
DOMINGUES, MARCOS A.; CHERMAN, EVERTON A.; NOGUEIRA, BRUNO M.; CONRADO, MERLEY S.; ROSSI, RAFAEL G.; DE PADUA, RENAN; MARCACINI, RICARDO M.; SOUZA, VINICIUS M. A.; BATISTA, GUSTAVO E. A. P. A.; RCZENDC, SOLANGE O.. A comparative study of algorithms for recommending given names. Em: 2013 Second International Conference on Informatics & Applications (ICIA 2013), p. 66-71, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

(*) Relatório criado com produções desde 1970 até 2023
Data de processamento: 10/05/2023 08:54:02

Relatório gerado por scriptLattes V8.13. Os resultados estão sujeitos a falhas devido a inconsistências no preenchimento dos CVs Lattes. E-mail de contato: artur@icmc.usp.br