Stampa la pagina Condividi su Google Condividi su Twitter Condividi su Facebook Scheda Docente

DE STEFANO CLAUDIO - Professore Ordinario

English version

Afferente a: Dipartimento: Ingegneria Elettrica e dell'Informazione "Maurizio Scarano"

Settore Scientifico Disciplinare: ING-INF/05

Orari di ricevimento: Lunedì, ore 15:00 - 17:00

Recapiti:
Telefono ufficio: 0776 2993889

  • Insegnamento FONDAMENTI DI INFORMATICA (92368)

    Primo anno di Ingegneria industriale CASSINO (L-9), Elettrica
    Crediti Formativi Universitari (CFU): 3,00

    Programma:
    Introduzione alla programmazione dei sistemi di elaborazione.
    Il concetto di algoritmo. Il modello di von Neumann. Organizzazione della memoria centrale e della CPU. Tecniche di codifica e rappresentazione dei dati nei registri di memoria. Linguaggi formali. Caratteristiche dei linguaggi ad alto livello. Traduttori: compilatori ed interpreti. Le fasi di codifica, traduzione e verifica di un programma.

    Tipi e strutture dati.
    La tipizzazione dell'informazione. Tipi di dati elementari: dati semplici e dati strutturati. Tipi di dati astratti: definizione dell’insieme dei valori e delle operazioni consentite.

    Costrutti di programmazione e modello di programmazione ad oggetti.
    I costrutti di programmazione: costrutti seriali, selettivi e ciclici. Il concetto di classe di oggetti: interfaccia ed implementazione. Strutture dati dell’oggetto e funzioni membro. Ereditarietà e polimorfismo.

    Strumenti e metodi per la progettazione dei programmi.
    Componenti di un programma: documentazione, dichiarazioni, istruzioni eseguibili. Il concetto di funzione: variabili locali e parametri formali. Modalità di scambio fra parametri formali ed effettivi. Regole di visibilità delle variabili. Organizzazione del codice in più moduli separati. Progettazione modulare dei programmi. Descrizione ed uso delle librerie standard.

    Algoritmi fondamentali e loro uso nello sviluppo dei programmi.
    Gestione di array monodimensionali: ricerca, eliminazione, inserzione, ordinamento, fusione. Gestione di array bidimensionali: ricerca, eliminazione, inserimento, prodotto di matrici. Gestione di liste dinamiche. Esercizi e applicazioni.

    Basi di dati. Proprietà fondamentali delle basi di dati. Modello relazionale dei dati. Il modello Entità-Relazione (ER). Structured Query language (SQL). SQL nei linguaggi di programmazione. Esercizi e applicazioni.

    Testi:
    H. Schildt, “Guida al C++”, McGraw-Hill, 3/ed.
    W. Savitch, Programmazione di base e avanzata con JAVA, 2/Ed., Pearson.
    A. Chianese, V. Moscato, A. Picariello, L. Sansone, “Basi di dati per la gestione dell’informazione”, McGraw-Hill.

  • Insegnamento FONDAMENTI DI INFORMATICA (92368)

    Primo anno di Ingegneria industriale CASSINO (L-9), Meccanica
    Crediti Formativi Universitari (CFU): 6,00

    Programma:
    Introduzione alla programmazione dei sistemi di elaborazione.
    Il concetto di algoritmo. Il modello di von Neumann. Organizzazione della memoria centrale e della CPU. Tecniche di codifica e rappresentazione dei dati nei registri di memoria. Linguaggi formali. Caratteristiche dei linguaggi ad alto livello. Traduttori: compilatori ed interpreti. Le fasi di codifica, traduzione e verifica di un programma.

    Tipi e strutture dati.
    La tipizzazione dell'informazione. Tipi di dati elementari: dati semplici e dati strutturati. Tipi di dati astratti: definizione dell’insieme dei valori e delle operazioni consentite.

    Costrutti di programmazione e modello di programmazione ad oggetti.
    I costrutti di programmazione: costrutti seriali, selettivi e ciclici. Il concetto di classe di oggetti: interfaccia ed implementazione. Strutture dati dell’oggetto e funzioni membro. Ereditarietà e polimorfismo.

    Strumenti e metodi per la progettazione dei programmi.
    Componenti di un programma: documentazione, dichiarazioni, istruzioni eseguibili. Il concetto di funzione: variabili locali e parametri formali. Modalità di scambio fra parametri formali ed effettivi. Regole di visibilità delle variabili. Organizzazione del codice in più moduli separati. Progettazione modulare dei programmi. Descrizione ed uso delle librerie standard.

    Algoritmi fondamentali e loro uso nello sviluppo dei programmi.
    Gestione di array monodimensionali: ricerca, eliminazione, inserzione, ordinamento, fusione. Gestione di array bidimensionali: ricerca, eliminazione, inserimento, prodotto di matrici. Gestione di liste dinamiche. Esercizi e applicazioni.

    Basi di dati. Proprietà fondamentali delle basi di dati. Modello relazionale dei dati. Il modello Entità-Relazione (ER). Structured Query language (SQL). SQL nei linguaggi di programmazione. Esercizi e applicazioni.

    Testi:
    H. Schildt, “Guida al C++”, McGraw-Hill, 3/ed.
    W. Savitch, Programmazione di base e avanzata con JAVA, 2/Ed., Pearson.
    A. Chianese, V. Moscato, A. Picariello, L. Sansone, “Basi di dati per la gestione dell’informazione”, McGraw-Hill.

  • Insegnamento FONDAMENTI DI INFORMATICA (92368)

    Primo anno di Ingegneria industriale CASSINO (L-9), Elettrica
    Crediti Formativi Universitari (CFU): 6,00

    Programma:
    Introduzione alla programmazione dei sistemi di elaborazione.
    Il concetto di algoritmo. Il modello di von Neumann. Organizzazione della memoria centrale e della CPU. Tecniche di codifica e rappresentazione dei dati nei registri di memoria. Linguaggi formali. Caratteristiche dei linguaggi ad alto livello. Traduttori: compilatori ed interpreti. Le fasi di codifica, traduzione e verifica di un programma.

    Tipi e strutture dati.
    La tipizzazione dell'informazione. Tipi di dati elementari: dati semplici e dati strutturati. Tipi di dati astratti: definizione dell’insieme dei valori e delle operazioni consentite.

    Costrutti di programmazione e modello di programmazione ad oggetti.
    I costrutti di programmazione: costrutti seriali, selettivi e ciclici. Il concetto di classe di oggetti: interfaccia ed implementazione. Strutture dati dell’oggetto e funzioni membro. Ereditarietà e polimorfismo.

    Strumenti e metodi per la progettazione dei programmi.
    Componenti di un programma: documentazione, dichiarazioni, istruzioni eseguibili. Il concetto di funzione: variabili locali e parametri formali. Modalità di scambio fra parametri formali ed effettivi. Regole di visibilità delle variabili. Organizzazione del codice in più moduli separati. Progettazione modulare dei programmi. Descrizione ed uso delle librerie standard.

    Algoritmi fondamentali e loro uso nello sviluppo dei programmi.
    Gestione di array monodimensionali: ricerca, eliminazione, inserzione, ordinamento, fusione. Gestione di array bidimensionali: ricerca, eliminazione, inserimento, prodotto di matrici. Gestione di liste dinamiche. Esercizi e applicazioni.

    Basi di dati. Proprietà fondamentali delle basi di dati. Modello relazionale dei dati. Il modello Entità-Relazione (ER). Structured Query language (SQL). SQL nei linguaggi di programmazione. Esercizi e applicazioni.

    Testi:
    H. Schildt, “Guida al C++”, McGraw-Hill, 3/ed.
    W. Savitch, Programmazione di base e avanzata con JAVA, 2/Ed., Pearson.
    A. Chianese, V. Moscato, A. Picariello, L. Sansone, “Basi di dati per la gestione dell’informazione”, McGraw-Hill.

  • Insegnamento FONDAMENTI DI INFORMATICA (92368)

    Primo anno di Ingegneria industriale CASSINO (L-9), Meccanica
    Crediti Formativi Universitari (CFU): 3,00

    Programma:
    Introduzione alla programmazione dei sistemi di elaborazione.
    Il concetto di algoritmo. Il modello di von Neumann. Organizzazione della memoria centrale e della CPU. Tecniche di codifica e rappresentazione dei dati nei registri di memoria. Linguaggi formali. Caratteristiche dei linguaggi ad alto livello. Traduttori: compilatori ed interpreti. Le fasi di codifica, traduzione e verifica di un programma.

    Tipi e strutture dati.
    La tipizzazione dell'informazione. Tipi di dati elementari: dati semplici e dati strutturati. Tipi di dati astratti: definizione dell’insieme dei valori e delle operazioni consentite.

    Costrutti di programmazione e modello di programmazione ad oggetti.
    I costrutti di programmazione: costrutti seriali, selettivi e ciclici. Il concetto di classe di oggetti: interfaccia ed implementazione. Strutture dati dell’oggetto e funzioni membro. Ereditarietà e polimorfismo.

    Strumenti e metodi per la progettazione dei programmi.
    Componenti di un programma: documentazione, dichiarazioni, istruzioni eseguibili. Il concetto di funzione: variabili locali e parametri formali. Modalità di scambio fra parametri formali ed effettivi. Regole di visibilità delle variabili. Organizzazione del codice in più moduli separati. Progettazione modulare dei programmi. Descrizione ed uso delle librerie standard.

    Algoritmi fondamentali e loro uso nello sviluppo dei programmi.
    Gestione di array monodimensionali: ricerca, eliminazione, inserzione, ordinamento, fusione. Gestione di array bidimensionali: ricerca, eliminazione, inserimento, prodotto di matrici. Gestione di liste dinamiche. Esercizi e applicazioni.

    Basi di dati. Proprietà fondamentali delle basi di dati. Modello relazionale dei dati. Il modello Entità-Relazione (ER). Structured Query language (SQL). SQL nei linguaggi di programmazione. Esercizi e applicazioni.

    Testi:
    H. Schildt, “Guida al C++”, McGraw-Hill, 3/ed.
    W. Savitch, Programmazione di base e avanzata con JAVA, 2/Ed., Pearson.
    A. Chianese, V. Moscato, A. Picariello, L. Sansone, “Basi di dati per la gestione dell’informazione”, McGraw-Hill.

  • Insegnamento INTELLIGENZA ARTIFICIALE (30321)

    Secondo anno di Ingegneria Informatica (LM-32), Generale
    Crediti Formativi Universitari (CFU): 9,00

Prenotazione appello

E' possibile prenotarsi ad un appello d'esame, collegandosi al portale studenti.

Elenco appelli d'esame disponibili

  • Denominazione insegnamento: 30007 FONDAMENTI DI INFORMATICA - INGEGNERIA MECCANICA 30007 FONDAMENTI DI INFORMATICA - Ingegneria meccanica 30007 FONDAMENTI DI INFORMATICA - Ingegneria Meccanica 30007 FONDAMENTI DI INFORMATICA - Ingegneria industriale 30007 FONDAMENTI DI INFORMATICA NESSUNA CANALIZZAZIONE - Ingegneria industriale 30007 FONDAMENTI DI INFORMATICA NESSUNA CANALIZZAZIONE - Ingegneria industriale CASSINO 30007 FONDAMENTI DI INFORMATICA NESSUNA CANALIZZAZIONE - Ingegneria industriale CASSINO - 30007 FONDAMENTI DI INFORMATICA - Ingegneria Elettrica 92368 FONDAMENTI DI INFORMATICA - Ingegneria industriale CASSINO - via G. Di Biasio 43, 03043 92368 FONDAMENTI DI INFORMATICA - Ingegneria industriale CASSINO - (2020/2021)
    Data e ora appello: 01/09/2021, ore 09:30 03/09/2021, ore 09:30
    Luogo: è possibile prenotarsi fino a due giorni prima dell'esame
    Tipo prova: prova scritta prova orale
    Prenotabile: dal 09/12/2020 al 30/08/2021 (prenota l'appello)
  • Denominazione insegnamento: 30321 INTELLIGENZA ARTIFICIALE - Ingegneria Informatica - (2020/2021)
    Data e ora appello: 02/09/2021, ore 09:30
    Luogo: aula da definire è possibile prenotarsi fino a due giorni prima dell'esame
    Tipo prova: prova orale
    Prenotabile: dal 09/12/2020 al 31/08/2021 (prenota l'appello)
  • Denominazione insegnamento: 30007 FONDAMENTI DI INFORMATICA - INGEGNERIA MECCANICA 30007 FONDAMENTI DI INFORMATICA - Ingegneria meccanica 30007 FONDAMENTI DI INFORMATICA - Ingegneria Meccanica 30007 FONDAMENTI DI INFORMATICA - Ingegneria industriale 30007 FONDAMENTI DI INFORMATICA NESSUNA CANALIZZAZIONE - Ingegneria industriale 30007 FONDAMENTI DI INFORMATICA NESSUNA CANALIZZAZIONE - Ingegneria industriale CASSINO 30007 FONDAMENTI DI INFORMATICA NESSUNA CANALIZZAZIONE - Ingegneria industriale CASSINO - 30007 FONDAMENTI DI INFORMATICA - Ingegneria Elettrica 92368 FONDAMENTI DI INFORMATICA - Ingegneria industriale CASSINO - via G. Di Biasio 43, 03043 92368 FONDAMENTI DI INFORMATICA - Ingegneria industriale CASSINO - (2020/2021)
    Data e ora appello: 01/09/2021, ore 09:30 03/09/2021, ore 09:30
    Luogo: è possibile prenotarsi fino a due giorni prima dell'esame
    Tipo prova: prova scritta prova orale
    Prenotabile: dal 09/12/2020 al 30/08/2021 (prenota l'appello)

Claudio De Stefano si è laureato con lode in Ingegneria Elettronica nel 1990 presso l'Università degli Studi di Napoli “Federico II”. Nella stessa università ha frequentato il Corso di Dottorato di Ricerca in Ingegneria Elettronica ed Informatica ed ha conseguito il titolo il Dottore di Ricerca in Ingegneria Elettronica ed Informatica nel 1994.
Ha conseguito l'abilitazione all'esercizio della professione di ingegnere nella seconda sessione di esami per l'anno 1990 presso l'Università degli Studi di Napoli "Federico II", con la votazione di 120/120.
Dal luglio 1990 al marzo 1991 è stato titolare di una borsa di studio messa a concorso dall’IBM SEMEA per ricerche sui Sistemi Informativi Territoriali nell'ambito di una convenzione stipulata con l'Università degli Studi di Napoli “Federico II”.
Nel 1994 è stato titolare di un contratto di collaborazione scientifica con il Dipartimento di Informatica e Sistemistica dell'Università di Napoli “Federico II” nell’ambito di un’attività di ricerca sull’interpretazione automatica di documenti alfanumerici e grafici.
Nel 1996 è stato titolare di un contratto di collaborazione scientifica con il Dipartimento di Informatica e Sistemistica dell'Università di Napoli “Federico II” nell’ambito di un’attività di ricerca sul riconoscimento automatico di caratteri on-line.
Dal 14 ottobre 1996 al 30 ottobre 2001 è stato in servizio come ricercatore universitario per il gruppo di discipline scientifiche K05A presso la Facoltà di Ingegneria dell'Università degli Studi di Sannio.
Da 1 novembre 2001 al 31 gennaio 2012 è stato in servizio come Professore Associato (settore scientifico-disciplinare ING-INF/05) presso il Dipartimento di Automazione, Elettromagnetismo, Ingegneria dell'Informazione e Matematica Industriale (DAEIMI) dell'Università degli Studi di Cassino.
Dal 1 febbraio 2012 al 1 febbraio 2020 è stato in servizio come Professore Associato (settore scientifico-disciplinare ING-INF/05) presso il Dipartimento di Ingegneria Elettrica e dell’Informazione (DIEI) dell’Università di Cassino e del Lazio Meridionale.
È attualmente in servizio come Professore Ordinario di Sistemi di Elaborazione delle Informazioni presso il Dipartimento di Ingegneria Elettrica e dell’Informazione (DIEI) dell’Università di Cassino e del Lazio Meridionale.
È stato membro del Collegio dei Docenti del corso di Dottorato di Ricerca in Ingegneria Elettrica e delle Telecomunicazioni dell’Università degli Studi di Cassino e del Lazio Meridionale.
E’ attualmente membro del Collegio dei Docenti del Corso di Dottorato di Ricerca in Metodi, Modelli e Tecnologie per l’Ingegneria dell’Università degli Studi di Cassino e del Lazio Meridionale.
E’ il coordinatore del gruppo di ricerca su “Pattern Recognition and Artificial Intelligence”, presso il Dipartimento di Ingegneria Elettrica e dell’Informazione (DIEI) dell’Università di Cassino e del Lazio Meridionale.
E’ membro del Consiglio Direttivo del CINI (Consorzio Interuniversitario Nazionale per l’Informatica).
E’ il referente per l’Università di Cassino e del Lazio Meridionale del Laboratorio Nazionale Big Data del CINI (Consorzio Interuniversitario Nazionale per l’Informatica).
E’ il referente per l’Università di Cassino e del Lazio Meridionale del Laboratorio Nazionale Artificial Intelligence and Intelligent Systems (AIIS) del CINI (Consorzio Interuniversitario Nazionale per l’Informatica).
Claudio De Stefano è stato il responsabile scientifico di molti progetti di ricerca che hanno coinvolto istituzioni pubbliche ed aziende sia pubbliche che private. In particolare:
- è stato il responsabile scientifico di progetti MURST 60% dell’Università di Cassino e del Lazio Meridionale nel settore del pattern recognition;
- è stato il responsabile scientifico di una Convenzione di Ricerca stipulata tra il Dipartimento di Automazione, Elettromagnetismo Ingegneria dell’informazione e Matematica Industriale (DAEIMI) dell’Università di Cassino e la Recogniform S.p.A. dal titolo: Riconoscimento automatico off-line della scrittura corsiva;
- è stato il responsabile scientifico di una Convenzione di Ricerca stipulata tra il Dipartimento di Automazione, Elettromagnetismo Ingegneria dell’informazione e Matematica Industriale (DAEIMI) dell’Università di Cassino e la Recogniform S.p.A. dal titolo: Segmentazione e classificazione del manoscritto corsivo;
- è stato il responsabile scientifico di una convenzione di ricerca per lo svolgimento di attività di ricerca sulla “classificazione di parole scritte a mano in stile corsivo”, finanziata dalla ELSAG DATAMAT s.p.a.
- è stato il responsabile scientifico del progetto di ricerca “Unicas-Arti - Una piattaforma digitale per l'arte contemporanea e l’archeologia industriale nel Lazio meridionale”, finanziato dalla Regione Lazio.
- è stato il responsabile scientifico dell’Unita di Ricerca dell’Università di Cassino e del Lazio Meridionale del progetto “Handwriting Analysis against Neuromuscular Disease - HAND”, finanziato nell’ambito del bando PRIN 2015.
È membro dell’Associazione Italiana di Intelligenza Artificiale (AI*IA).
E’ membro dell’Associazione Italiana per la ricerca in Computer Vision, Pattern recognition e machine Learning (CVPL- ex GIRPR - Gruppo Italiano Ricercatori in Pattern Recognition).
È membro dell’International Association for Pattern Recognition (IAPR).
È membro dal 1998 dell’International Graphonomics Society (IGS), dal 2005 al 2010 è stato membro del Governing Board di tale associazione e dal 2017 ne è il Presidente. L’International Graphonomics Society (IGS), associazione internazionale costituita nel 1985 con sede negli Stati Uniti, è diventata il principale riferimento internazionale per la ricerca scientifica nel campo dell’analisi della grafia, le cui applicazioni comprendono lo sviluppo di interfacce uomo-macchina, la verifica automatica della firma, la lettura e l'elaborazione di documenti, la diagnosi di malattie neuro-degenerative, e lo sviluppo di nuove metodologie di studio nell’abito della Paleografia Digitale.
Claudio De Stefano è stato invitato come visiting professor in molti centri di ricerca internazionali, quail l’Image Analysis Lab, Department of Computer Science, State University of New York, Stony Brook (USA), il Document Analysis Lab, Department of Electrical, Computer and System Engineering, Rensselaer Polytechnic Institute, Troy, NY e l’Adaptive Computation Laboratory at the University of New Mexico, Albuquerque (USA), dove ha tenuto lezioni e seminari.
Ha partecipato nel corso degli anni, in qualità di relatore, a rilevanti congressi nazionali ed internazionali, ed è autore di circa 150 pubblicazioni su riviste e congressi internazionali. I risultati della sua attività di ricerca sono stati pubblicati su rilevanti riviste internazionali, quali: IEEE Transaction on Evolutionary Computation, IEEE Transactions on Systems, Man and Cybernetics, IEEE Transactions on Neural Networks, Pattern Recognition, Pattern Recognition Letters, Information Sciences.
Ha fatto parte del program committee di molte importanti conferenze internazionali su image analysis, pattern recognition, handwriting analysis and recognition, quali l’International Conference on Frontiers in Handwriting Recognition (ICFHR), l’International Conference on Document Analysis and Recognition (ICDAR), l’International Conference of the Graphonomics Society (IGS), l’International Conference on Image Analysis and Processing (ICIAP), l’International Conference on Pattern recognition (ICPR).
E’ stato co-chairman della Conferenza Internazionale IGS2005, 12th Conference of the International Graphonomics Society (IGS).
E’ stato invitato a tenere un tutorial intitolato "Evolutionary Algorithms for Pattern Recognition", nell'ambito della conferenza internazionale ICPR 2006, 18th International Conference on Pattern Recognition, Hong Kong.
E’ stato Area Chair (Track 2: Pattern Recognition and Machine Learning) nell'ambito dell'organizzazione della conferenza internazionale ICPR 2014 (Stockholm, Sweden).
E’ stato general chairman della Conferenza Internazionale IGS2017, 18th International Graphonomics Society Conference.
Collabora regolarmente, in qualità di revisore, con molte importanti riviste internazionali, quali IEEE Transactions on Pattern Analysis and Machine Intelligence, IEEE Transactions on Neural Networks, IEEE Transactions on Evolutionary Computation, IEEE Transactions on Geoscience and Remote Sensing, International Journal on Document Analysis and Recognition, Pattern Recognition e Pattern Recognition Letters.
E’ stato è stato co-editor di libri che hanno raccolto gli atti di conferenze internazionali e di numeri speciali di riviste internazionali:
- è stato Co-Editor del volume "Advances in Graphonomics", Arezzo: Zona Editrice, giugno 2005, ISBN: 88-89702-13-3;
- è stato Co-Editor del numero speciale della rivista internazionale "International Journal of Pattern Recognition and Artificial Intelligence", vol. 21, n.1, febbraio 2007, ISSN: 0218-0014 (https://www.worldscientific.com/toc/ijprai/21/01);
- è stato Co-Editor of the book " Graphonomics for e-Citizens: e-Health, e-Society, e-Education ", Zona Editrice publisher, giugno 2017, ISBN: 9788864387062;
- è stato Guest Editor del un numero speciale della rivista internazionale Pattern Recognition Letters: Special Issue on “Graphonomics for e-citizens: e-health, e-society, e-education” (https://www.sciencedirect.com/journal/pattern-recognition-letters/vol/121).
è Guest Editor del un numero speciale della rivista internazionale Frontiers in Human Neuroscience: Research Topic on “Graphonomics and Your Brain on Art, Creativity, and Innovation” (https://www.frontiersin.org/research-topics/12060/graphonomics-and-your-brain-on-art-creativity-and-innovation)
E’ Associate Editor della rivista internazionale Pattern Recognition Letters.
Claudio De Stefano ha ricevuto l’Abilitazione Scientifica Nazionale a Professore Ordinario per il settore scientifico-disciplinare 09/H1 – Sistemi di Elaborazione delle Informazioni (2013).
Ha ricevuto l’Abilitazione Scientifica Nazionale a Professore Ordinario per il settore scientifico-disciplinare 01/B1 – INFORMATICA (2019).
Ha ricevuto l’Abilitazione Scientifica Nazionale a Professore Ordinario per il settore scientifico-disciplinare 09/H1 – Sistemi di Elaborazione delle Informazioni (2020).
Claudio De Stefano è uno dei co-fondatori della Nite s.r.l (Natural Intelligent Technologies s.r.l.), spin off universitario dell'Università di Salerno (2012).
E’ uno dei detentori del brevetto: “Procedimento e apparato di riconoscimento di scrittura a mano”, Numero: 0001416028 - Natural Intelligent Technologies s.r.l. (2014).
Tale brevetto è stato esteso a livello internazionale (Stati Uniti) con la seguente denominazione: “Process of Handwriting Recognition and Related Apparatus”, Numero: 9665768 - Natural Intelligent Technologies s.r.l. (2017).
Tale brevetto è stato inoltre esteso a livello Europeo, Numero: 2943911 - Natural Intelligent Technologies s.r.l. (2020).

L'attività di ricerca di Claudio De Stefano riguarda aspetti della Visione Artificiale, dell'Elaborazione di Immagini, della Classificazione di oggetti e della Computazione Evolutiva.
Nell’ambito di queste tematiche, si è occupato in particolare dello sviluppo di metodi per l’analisi e la comprensione automatica di documenti cartacei acquisiti in forma digitale, di metodi per l’analisi di mappe geografiche e catastali, di algoritmi per la decomposizione e la descrizione di curve digitali e di sistemi di classificazione basati sia su paradigmi di tipo connessionistico (reti neurali), che su paradigmi di apprendimento statistico. I suoi interessi di ricerca attuali includono lo sviluppo di tecniche per la segmentazione ed il riconoscimento automatico del manoscritto connesso on-line ed off-line, la segmentazione e classificazione di immagini telerilevate, la generazione automatica di prototipi per la classificazione mediante l’uso di algoritmi evolutivi e le tecniche di “classifier combination” per il miglioramento delle prestazioni e dell’affidabilità dei sistemi di classificazione. Per quanto riguarda quest’ultima tematica, sono state sviluppate tecniche originali di selezione dinamiche dei classificatori da utilizzare, basate sull’uso di algoritmi evolutivi, ed è stato proposto un approccio basato sull’uso di reti bayesiane. Particolare attenzione è stata inoltre data al problema della “feature selection”, per il quqle sono state sviluppati e pubblicati diversi algoritmi.
Inoltre, nel campo delle applicazioni che utilizzano grafi, è stato sviluppato un nuovo approccio basato sulla computazione evolutiva. Questo approccio è stato appositamente studiato per la generazione automatica singoli grafi, o di insiemi di grafi, che rappresentano la soluzione di un dato problema. L’approccio proposto, si basa su una particolare struttura dati, denominata multi-lista, che permette di codificare qualsiasi tipo di grafo, orientato o non orientato, con o senza attributi. La codifica di grafi tramite multi-liste permette di definire in modo molto efficiente gli operatori di crossover e di mutazione, superando i problemi normalmente riscontrati nell’implementare gli operatori genetici sui grafi. Il metodo proposto ha anche il notevole vantaggio di non richiedere alcuna conoscenza specifica del problema da trattare e di consentire l’evoluzione di grafi il cui numero di nodi non è noto a priori.
Le tecniche di analisi della scrittura sono state di recente applicate per l’individuazione precoce di disturbi cognitivi. In questo ambito sono state definite specifiche feature che caratterizzano sia il gesto grafico che i parametri dinamici della scrittura, ed è stato avviato un processo di acquisizione dei dati di pazienti affetti da disturbi cognitivi a vari livelli di gravità in collaborazione con importanti enti ospedalieri. Per la fase di acquisizione dei dati, è stato proposto uno specifico protocollo che prevede lo svolgimento di diversi compiti di scrittura: lo scopo di tali compiti è quelle di valutare il degrado delle caratteristiche della scrittura sia in relazione al degrado cognitivo sia al degrado neuro-motorio.
Una altra attività di ricerca sviluppata di recente ha riguardato l’uso delle tecniche di analisi della scrittura nell’ambito della paleografia digitale. In questo contesto, è stato proposto un sistema per l'identificazione dei diversi scribi che hanno partecipato al processo di scrittura di un libro medievale. Il sistema proposto riceve in input le immagini delle singole pagine del manoscritto da elaborare ed individua le parti di testo prodotte da ciascuno scriba. Sono state sperimentate diverse tecniche di estrazione e selezione delle feature e sono state utilizzate diverse tecniche di classificazione: i risultati più interessanti sono stati ottenuti combinando le risposte di più classificatori cooperanti (sistemi multi-esperto) e con l’uso di tecniche di Deep Learning.

2020
1. N.D. Cilia, C. De Stefano, F. Fontanella, C. Marrocco, M. Molinara, A. Scotto di Freca, “An Experimental Comparison between Deep Learning and Classical Machine Learning Approaches for Writer Identification in Medieval Documents, (2020). Journal of Imaging, 6 (9), 89.
2. De Stefano, C., Ferrigno, L., Fontanella, F., Gerevini, L., Scotto di Freca, A., A novel PCA-based approach for building on-board sensor classifiers for water contaminant detection, (2020). Pattern Recognition Letters, 135, pp. 375-381. DOI: 10.1016/j.patrec.2020.05.015.
3. Cilia, N.D., De Stefano, C., Fontanella, F., Scotto di Freca, A., Using Genetic Algorithms for the Prediction of Cognitive Impairments (2020). Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 12104 LNCS, pp. 479-493. DOI: 10.1007/978-3-030-43722-0_31.
4. Cilia, N.D., De Stefano, C., Fontanella, F., Marrocco, C., Molinara, M., Scotto di Freca, A., An end-to-end deep learning system for medieval writer identification (2020). Pattern Recognition Letters, 29, pp. 137 143. DOI: 10.1016/j.patrec.2019.11.025.
5. Cilia, N.D., De Stefano, C., Fontanella, F., Molinara, M., Scotto di Freca, A., What is the minimum training data size to reliably identify writers in medieval manuscripts? (2020). Pattern Recognition Letters, 29, pp. 198 204. DOI: 10.1016/j.patrec.2019.11.030.
2019
6. De Stefano, C., Fontanella, F., Marcelli, A., Plamondon, R., Graphonomics for the e-citizens: e-health, e-society and e-education (2019). Pattern Recognition Letters, 121, pp. 1-5.
7. Cilia, N.D., De Stefano, C., Fontanella, F., Scotto di Freca, A., A ranking-based feature selection approach for handwritten character recognition (2019). Pattern Recognition Letters, 121, pp. 77-86.
8. De Stefano, C., Fontanella, F., Impedovo, D., Pirlo, G., Scotto di Freca, A., Handwriting analysis to support neurodegenerative diseases diagnosis: A review (2019). Pattern Recognition Letters, 121, pp. 37-45.
9. De Stefano, C., Fontanella, F., Maniaci, M., Scotto Di Freca, A., Measuring layout features in mediaeval documents for writer identification (2019). IMEKO International Conference on Metrology for Archaeology and Cultural Heritage, MetroArchaeo 2017, pp. 356-359.
10. Cilia, N.D., De Stefano, C., Fontanella, F., Scotto di Freca, A., Variable-length representation for EC-based feature selection in high-dimensional data (2019). In: Kaufmann P., Castillo P. (eds) Applications of Evolutionary Computation. EvoApplications 2019. Lecture Notes in Computer Science, vol 11454. Springer, Cham, pp. 325-340.
11. Cilia, N.D., De Stefano, C., Fontanella, F., Scotto di Freca, A., Improving handwritten character recognition by using a ranking-based feature selection approach (2019). In: Vera-Rodriguez R., Fierrez J., Morales A. (eds) Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications. CIARP 2018. Lecture Notes in Computer Science, vol 11401. Springer, Cham, pp. 902-910.
12. Cilia, N.D., De Stefano, C., Fontanella, F., Molinara, M., Scotto Di Freca, A., Using handwriting features to characterize cognitive impairment (2019). Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 11752 LNCS, pp. 683-693.
13. Cilia, N.D., De Stefano, C., Fontanella, F., Molinara, M., Scotto di Freca, A., Minimizing Training Data for Reliable Writer Identification in Medieval Manuscripts (2019). Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 11808 LNCS, pp. 198-208.
14. Cilia, N.D., De Stefano, C., Fontanella, F., Molinara, M., Scotto Di Freca, A., Handwriting Analysis to Support Alzheimer’s Disease Diagnosis: A Preliminary Study (2019). Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 11679 LNCS, pp. 143-151.
15. Cilia, N.D., De Stefano, C., Fontanella, F., Raimondo, S., di Freca, A.S., An experimental comparison of feature-selection and classification methods for microarray datasets (2019) Information (Switzerland), 10 (3), 109.
16. Cilia, N.D., De Stefano, C., Fontanella, F., Marrocco, C., Molinara, M., Scotto di Freca, A., A Page-Based Reject Option for Writer Identification in Medieval Books (2019) Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 11808 LNCS, pp. 187-197.
17. Cilia, N.D., De Stefano, C., Fontanella, F., Marrocco, C., Molinara, M., Scotto Di Freca, A., A Two-Step System Based on Deep Transfer Learning for Writer Identification in Medieval Books (2019). Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 11679 LNCS, pp. 305-316.
2018
18. De Stefano, C., Maniaci, M., Fontanella, F., Scotto di Freca, A., Layout measures for writer identification in mediaeval documents (2018). Measurement: Journal of the International Measurement Confederation, 127, pp. 443-452.
19. De Stefano, C., Maniaci, M., Fontanella, F., Scotto di Freca, A., Reliable writer identification in medieval manuscripts through page layout features: The “Avila” Bible case (2018). Engineering Applications of Artificial Intelligence, 72, pp. 99-110.
20. Cilia, N.D., De Stefano, C., Fontanella, F., Di Freca, A.S., An experimental protocol to support cognitive impairment diagnosis by using handwriting analysis (2018). Procedia Computer Science, 141, pp. 466 471.
21. N.D. Cilia, C. De Stefano, F. Fontanella, and A. Scotto di Freca, Improving Evolutionary Algorithm Performance for Feature Selection in High-Dimensional Data (2018). In Applications of Evolutionary Computation, EvoApplications, 2018, Sim K., Kaufmann P. (eds), Lecture Notes in Computer Science, Springer, Cham, LNCS vol. 10784, pp. 439-454.
22. De Stefano, C., Fontanella, F., Marcelli, A., Parziale, A., Scotto di Freca, A., Recovering Segmentation Errors in Handwriting Recognition Systems (2018). In: Huang DS., Jo KH., Zhang XL. (eds) Intelligent Computing Theories and Application. ICIC 2018. Lecture Notes in Computer Science, vol 10955. Springer, Cham, pp. 631-642.
2017
23. Santoro, A., De Stefano, C., Marcelli, A., Assisted Transcription of Historical Documents by Keyword Spotting: A Performance Model (2017). Proceedings of the International Conference on Document Analysis and Recognition, ICDAR, 1, pp. 971-976.
24. C. De Stefano, F. Fontanella, and A. Scotto di Freca, “A Novel Mutation Operator for the Evolutionary Learning of Bayesian Networks”, in Proc. of the 2017 IEEE Congress on Evolutionary Computation (CEC 2017), San Sebastian, Spain, 5-8 June 2017, IEEE Computer Society, pp. 1999-2016, DOI: 10.1109/CEC.2017.7969546.
25. C. De Stefano, F. Fontanella, and A. Scotto di Freca, “Feature Selection in High Dimensional Data by a Filter-Based Genetic Algorithm”, in Applications of Evolutionary Computation. EvoApplications 2017, G. Squillero and K. Sim (eds), Lecture Notes in Computer Science, Springer, Cham, LNCS vol. 10199, pp. 506-521, DOI: https://doi.org/10.1007/978-3-319-55849-3_33.
26. C. De Stefano, F. Fontanella, D. Impedovo, G. Pirlo and A. Scotto di Freca, “A Brief Overview on Handwriting Analysis for Neurodegenerative Disease Diagnosys”, in Proc. of Workshop on Artificial Intelligence, D. Impedovo and G. Pirlo eds., CEUR Workshop Proceedings (CEUR-WS.org), Vol. 1982, Bari, Italy, November 14, 2017, pp. 9-16, URN: urn:nbn:de:0074-1982-0.
27. C. De Stefano, F. Fontanella, D. Impedovo, G. Pirlo and A. Scotto di Freca, “Handwriting analysis and e-health: a brief overview”, in Proc. of the 18th Conference of the International Graphonomics Society (IGS2017), Gaeta, Italy, 18-21 June 2017, pp. 143-147, ISBN: 9788864387062.
28. C. De Stefano, F. Fontanella and A. Scotto di Freca, “Feature Evaluation for Handwriting: a ranking-based approach”, in Proc. of the 18th Conference of the International Graphonomics Society (IGS2017), Gaeta, Italy, 18-21 June 2017, pp. 24 28, ISBN: 9788864387062.
2016
29. A. Gallozzi, G. Carbone, M. Ceccarelli, C. De Stefano, A. Scotto di Freca, M. Bianchi and M. Cigola, “The MuseBot project: Robotics, informatics, and economics strategies for museums”, in Handbook of Research on Emerging Technologies for Digital Preservation and Information Modeling, 12 September 2016, IGI Global, pp. 45-66, DOI: 10.4018/978-1-5225-0680-5.ch003.
30. C. De Stefano, F. Fontanella and A. Scotto di Freca, “A Novel GA-based Feature Selection Approach for High Dimensional Data”, in Proc. of the 2016 Genetic and Evolutionary Computation Conference Companion (GECCO 2016), Denver, United States, 20-24 July 2016, ACM, pp. 87-88, DOI: 10.1145/2908961.2909049.
2015
31. C. De Stefano, A. Marcelli and A. Parziale, “Quantitative evaluation of features for Forensic Handwriting Examination”, in Proc. of the International Conference on Document Analysis and Recognition (ICDAR), Nancy, France, 23-26 August 2015, IEEE Computer Society, pp. 1266 1271, DOI: 10.1109/ICDAR.2015.7333952.
32. C. De Stefano, F. Fontanella, A. Marcelli, A. Parziale and A. Scotto di Freca, “Feature evaluation for discriminating handwriting fragments”, in Proc. of the 17th International Conference of the Graphonomics Society - Drawing, Handwriting Processing Analysis: New Advances and Challenges, Guadeloupe, France, 21-25 June 2015, Martinique Universite des Antilles, pp. 29-32, ISBN:9791095177012
2014
33. C. De Stefano, G. Folino, F. Fontanella and A. Scotto di Freca, “Using Bayesian Networks for Selecting Classifiers in GP Ensembles”, Information Sciences, vol. 258, 2014, pp. 200-216, DOI: http://dx.doi.org/10.1016/j.ins.2013.09.049.
34. C. De Stefano, F. Fontanella, C. Marrocco and A. Scotto di Freca, “A GA-based Feature Selection Approach with an Application to Handwritten Character Recognition”, Pattern Recognition Letters, vol. 35(1), 2014, pp. 130–141, DOI: http://dx.doi.org/10.1016/j.patrec.2013.01.026.
35. C. De Stefano, F. Fontanella, A. Marcelli, A. Parziale and A. Scotto di Freca, “Rejecting both segmentation and classication errors in handwritten form processing”, in Proc. of the 14th International Conference on Frontiers in Handwriting Recognition (ICFHR 2014), Crete, Greece, 1-4 September, 2014, IEEE Computer Society, pp. 569-574, DOI: 10.1109/ICFHR.2014.101.
36. L.P. Cordella, C. De Stefano, F. Fontanella, A. Scotto di Freca, "Random Forest for Reliable Pre-Classification of Handwritten Characters", in Proc. of the 22nd International Conference on Pattern Recognition (ICPR 2014), Stockholm, Sweden, 24-28 August, 2014, IEEE Computer Society, pp. 1319-1324, DOI: 10.1109/ICPR.2014.236.
2013
37. L.P. Cordella, C. De Stefano, F. Fontanella and A. Marcelli, "EvoGeneSys, a New Evolutionary Approach to Graph Generation”, Applied Soft Computing, Elsevier, vol. 13, issue 4, April 2013, pp. 1922–1938, DOI: https://doi.org/10.1016/j.asoc.2012.12.037.
38. C. De Stefano; A. Della Cioppa; A. Marcelli, “Evolutionary Approaches for Pooling Classifier Ensembles: Performance Evaluation”, in Proc. of the 5th International Conference of Soft Computing and Pattern Recognition (SoCPaR 2013), Hanoi, Vietnam, 15-18 December 2013, IEEE Computer Society, pp. 310-315, DOI: 10.1109/SOCPAR.2013.7054149.
39. L.P. Cordella, C. De Stefano, F. Fontanella, and A. Scotto di Freca, “A Weighted Majority Vote Strategy Using Bayesian Networks”, in Image Analysis and Processing – ICIAP 2013, A. Petrosino (eds.), Lecture Notes in Computer Science, vol 8157, Springer, Berlin, Heidelberg, pp. 219-228, DOI: https://doi.org/10.1007/978-3-642-41184-7_23.
40. C. De Stefano, F. Fontanella, M. Maniaci and A. Scotto di Freca, “Combining Single Class Classifiers for Mediaeval Handwriting Analysis: Individual Feature Selection as a Clue to Scribal Hand Distinction”, in Recent Progress in Graphonomics: Learn from the Past - Proc. of the 16th International Graphonomics Society Conference (IGS 2013), Nara, Japan, 11-13 June 2013, University of Tokyo Press, pp. 171-174, ISBN:9784904309094.
2012
41. C. De Stefano, F. Fontanella, G. Folino, A. Scotto di Freca, “Pruning GP–Based Classifier Ensembles by Bayesian Networks”, in Parallel Problem Solving from Nature, C. Coello et al. (eds.), Lecture Notes in Computer Sciences, vol. 7491, 2012, Springer-Verlag, Berlin Heidelberg, pp. 236-245, DOI: 10.1007/978-3-642-32937-1_24, ISBN: 978-3-642-32936-4.
42. C. De Stefano, F. Fontanella, and A. Scotto di Freca, “A Novel Naive Bayes Voting Strategy for Combining Classifiers”, Proc. of the 13th International Conference on Frontiers in Handwriting Recognition (ICFHR 2012), September 18-20, 2012, Bari, Italy, IEEE Computer Society, pp. 465-470, DOI: 10.1109/ICFHR.2012.166.
2011
43. C. De Stefano, A. Marcelli, Marco Rendina, “Disguising Writers Identification: an Experimental Study”, Journal of Forensic Document Examination, vol. 21, 2011, pp. 23-35, ISBN: 0895-0849.
44. C. De Stefano, F. Fontanella, G. Folino and A. Scotto di Freca, “A Bayesian Approach for Combining Ensembles of GP Classifiers”, in Multiple Classifier Systems - MCS 2011, C. Sansone et al. (Eds), Lecture Notes in Computer Science, vol. 6713, 2011, Springer, Berlin, Heidelberg, pp. 26-35, DOI: 10.1007/978-3-642-21557-5_5.
45. C. De Stefano, F. Fontanella, M. Maniaci, A. Scotto di Freca, “A Method for Scribe Distinction in Medieval Manuscripts Using Page Layout Features”, in Image analysis and processing - ICIAP 2011, G. Maino and G.L. Foresti (Eds.), Lecture Notes in Computer Science, vol. 6978, 2011, Springer, Berlin, Heidelberg, pp. 393-402, DOI: https://doi.org/10.1007/978-3-642-24085-0_41.
46. C. De Stefano, G. Folino, F. Fontanella and A. Scotto di Freca, “Using Bayesian Networks for Selecting Classifiers in GP Ensembles”, in Proc. of the 13th Genetic and Evolutionary Computation Conference (GECCO 2011), Dublin, Ireland, 12-16 July, 2011, ACM, pp. 173-174, DOI: 10.1145/2001858.2001955.
47. C. De Stefano, F. Fontanella , M. Maniaci and A. Scotto di Freca, “Exploiting Page Layout Features for Scribe Distinction in Medieval Manuscripts”, in Proc. of the 15th International Graphonomics Society Conference (IGS 2011), Cancun, MEXICO, 12 15 June, 2011, IGS press, pp. 106-109.
48. C. De Stefano, A. Marcelli and A. Parziale, “Segmenting Isolated Characters Within Cursive Words”, in Proc. of the 15th International Graphonomics Society Conference (IGS 2011), Cancun, MEXICO, 12 15 June, 2011, IGS press, pp. 156-159.
2010
49. C. De Stefano, F. Fontanella, C. Marrocco and A. Scotto di Freca, “A Hybrid Evolutionary Algorithm for Bayesian Networks Learning: an Application to Classifier Combination”, in Lecture Notes in Computer Science: Applications of Evolutionary Computation, C. Di Chio et al. (Eds.), Springer Berlin / Heidelberg, vol. 6024, 2010, DOI: 10.1007/978-3-642-12239-2_23, ISBN: 978-3-642-12238-5, pp. 221-230.
50. L.P. Cordella, C. De Stefano, F. Fontanella, C. Marrocco, A. Scotto di Freca, “Combining Single Class Features for Improving Performance of a Two Stage Classifier”, in Proc. of the 20th International Conference on Pattern Recognition (ICPR 2010), 23-26 August 2010, Istanbul, Turkey, IEEE Computer Society, Los Alamitos, CA; USA 90720-1314, DOI: 10.1109/ICPR.2010.1058, ISBN: 978-0-7695-4109-9, pp. 4352-4355.
51. L.P. Cordella, C. De Stefano, A. Marcelli, A. Santoro, “Writing Order Recovery from off-line Handwriting by Graph Traversal”, in Proc. of the 20th International Conference on Pattern Recognition, 23-26 August 2010, Istanbul, Turkey, IEEE Computer Society, Los Alamitos, CA; USA 90720-1314, DOI: 10.1109/ICPR.2010.467, ISBN: 978-0-7695-4109-9, pp. 1896-1899.
52. C. De Stefano, A. Marcelli, A. Parziale, R. Senatore, “Reading Cursive Handwriting”, in Proc. of the 12th International Conference on Frontiers in Handwriting Recognition, 16-18 November 2010, Calcutta, India, IEEE Computer Society, Los Alamitos, CA; USA 90720-1314, pp.95-100, ISBN: 978-0-7695-4221-8, Print ISBN: 978-1-4244-8353-2, DOI: 10.1109/ICFHR.2010.21.
2009
53. C. De Stefano, C. D'Elia, A. Marcelli and A. Scotto di Freca, “Classifier Combination by Bayesian Networks for Handwriting Recognition”, International Journal of Pattern Recognition and Artificial Intelligence, Vol. 23, No. 5 (2009), pp. 887-905.
54. C. De Stefano, F. Fontanella, A. Marcelli, A. Scotto di Freca, “Learning Bayesian Networks by Evolution for Classifier Combination”, in Proc. of the 10th International Conference on Document Analysis and Recognition ICDAR 2009, Barcelona, Spain, July 26-29, 2009, pp. 966-970.
55. C. De Stefano, F. Fontanella, A. Marcelli, A. Scotto di Freca, “Using Bayesian networks for combining classifiers: a new evolutionary learning algorithm”, in Proc. of the 14th Conference of the International Graphonomics Society, Dijon, France, September 13 16, 2009, pp. 162-165.
56. C. De Stefano, A. Marcelli and M. Rendina, “Disguising writers identification: an experimental study”, in Proc. of the 14th Conference of the International Graphonomics Society, Dijon, France, September 13 16, 2009, pp. 99-102.
2008
57. C. De Stefano, F. Fontanella, and C. Marrocco, “A GA-Based Feature Selection Algorithm for Remote Sensing Images”, in Lecture Notes in Computer Sciences, M. Giacobini et al. (Eds.), Springer-Verlag Berlin Heidelberg, vol. 4974, 2008, pp 285–294.
58. C. De Stefano, A. Della Cioppa and A. Marcelli, “Dynamic selection of classifiers: when few are better than all”, Proc. of the 11th International Conference on Frontiers in Handwriting Recognition 2008 (ICFHR 2008), August 19-21, 2008, Montreal, Quebec, Canada, pp.433-438.
59. L.P. Cordella, C. De Stefano, F. Fontanella and C. Marrocco, A Feature Selection Algorithm for Handwritten Character Recognition”, Proc. of the 19th International Conference on Pattern Recognition (ICPR 2008), December, 8-11, 2008, Tampa, Florida, USA, pp. 1-4.
60. A. Clavelli, L.P. Cordella, C. De Stefano and A. Marcelli, “Indexing and Retrieving Cursive Documents without Recognition” Proc. of the 19th International Conference on Pattern Recognition (ICPR 2008), December, 8-11, 2008, Tampa, Florida, USA, pp. 1-4.
2007
61. C. De Stefano, A. Della Cioppa, A. Marcelli, “Where are the niches? The Dynamic Fitness Sharing”, IEEE Transactions on Evolutionary Computation, vol. 11(4), August 2007, pp. 453-465.
62. C. De Stefano, C. D’Elia, A. Marcelli and A. Scotto di Freca, “Incorporating a wavelet transform into a saliency-based method for on-line handwriting segmentation”, International Journal of Pattern Recognition and Artificial Intelligence, vol. 21(1), February 2007, pp. 43-59.
63. L.P. Cordella, C. De Stefano, F. Fontanella, “Evolutionary Prototyping for Handwriting Recognition”, International Journal of Pattern Recognition and Artificial Intelligence, vol. 21(1), February 2007, pp. 157-178.
64. C. De Stefano, A. Marcelli, “Advances in Graphonomics for Handwriting Analysis and Recognition”, International Journal on Pattern Recognition and Artificial Intelligence, vol. 21(1), February 2007, pp. 1 4.
65. C. De Stefano, F. Fontanella, C. Marrocco and G. Schirinzi, “A Feature Selection Algorithm for Class Discrimination Improvement”, Proc. of the IEEE International Geoscience and Remote Sensing Symposium – IGARSS 07, Barcelona, Spain, 23-27 July 2007, pp. 425-428.
66. C. De Stefano, C. D’Elia, A. Marcelli, A. Scotto di Freca, “Using Bayesian Network for Combining Classifiers”, Proc. of the Int. Conf. on Image Analysis and Processing – ICIAP’07, Modena (ITALY), September 10-14, 2007, pp.73-78.
67. C. De Stefano, C. D’elia, A, Marcelli and A. Scotto Di Freca, “Bayesian Networks for Multi-expert Character Classification System”, Proc. of the 13th International Conference of the International Graphonomics Society, Melbourne, Australia, November 11-14, 2007, pp. 48-51.
68. A. Clavelli, C. De Stefano and A Marcelli, “Handwriting Generation for Writing Order Recovery”, Proc. of the 13th International Conference of the International Graphonomics Society, Melbourne, Australia, November 11-14, 2007, pp. 32-35.
69. C. De Stefano, A. Marcelli, and A. Santoro, “On-line Cursive Recognition by Ink Matching”, Proc. of the 13th International Conference of the International Graphonomics Society, Melbourne, Australia, November 11-14, 2007, pp. 23-27.
2006
70. L.P. Cordella, C. De Stefano, F. Fontanella, A. Marcelli, “Looking for Prototypes by Genetic Programming”, in Lecture Notes in Computer Sciences, N. Zheng, X. Jiang, and X. Lan eds., Springer-Verlag, vol. 4153, 2006, pp. 152-159.
71. L.P. Cordella, C. De Stefano, F. Fontanella, A. Marcelli, “Evolutionary Generation of Prototypes for a Learning Vector Quantization Classifier”, in Lecture Notes in Computer Sciences, F. Rothlauf et al. eds., Springer-Verlag, vol. 3907, 2006, pp. 391-402
72. C. De Stefano, A. Della Cioppa, A. Marcelli, “An Evolutionary Approach for Dynamic Configuration of Multi-expert Classification Systems “ Proc. of the IEEE World Congress on Computational Intelligence, Vancouver BC, Canada, July 16-21, 2006, pp. 8613-8619.
73. C. De Stefano, C. D’Elia, A. Marcelli and A. Scotto di Freca, “Improving Dynamic Learning Vector Quantization”, Proc. of the 18th International Conference on Pattern Recognition 2006 (ICPR 2006), Hong Kong (PRC), 20-24 Aug. 2006, Volume 2, Page(s):804 – 807.
2005
74. L.P. Cordella, C. De Stefano, F. Fontanella, A. Marcelli, “EvoGeneS, a New Evolutionary Approach to Graph Generation”, in Lecture Notes in Computer Science, Evolutionary Computation in Combinatorial Optimization, Springer-Verlag, vol. 3448, 2005, pp. 46-57.
75. C. De Stefano, M. Garruto, L. Lapresa, A. Marcelli, “Using Strings for On-Line Handwriting Shape Matching: a New Weighted Edit Distance”, in Lecture Notes in Computer Science, F. Roli and S. Vitulano eds., Springer-Verlag, vol. 3617, 2005, pp 1125-1132.
76. L. P. Cordella, C. De Stefano, F. Fontanella, A. Marcelli, “A Novel Genetic Programming Based Approach for Classification Problems”, in Lecture Notes in Computer Science, F. Roli and S. Vitulano eds., Springer-Verlag, vol. 3617, 2005, pp. 727-734.
77. L. P. Cordella, C. De Stefano, F. Fontanella, A. Marcelli, “Genetic Programming for Generating Prototypes in Classification Problems”, Proc. of the 2005 IEEE Congress on Evolutionary Computation (CEC 2005), Edinburgh, UK, Sepember 2-5, 2005, vol. 2, pp. 1149-1155.
78. L. P. Cordella, C. De Stefano, F. Fontanella, A. Marcelli, “An Evolutionary Clustering Method for Handwriting Recognition”, in: Advances in Graphonomics, A. Marcelli and C. De Stefano (eds.), Arezzo: Zona Editrice, ISBN-13:9788889702130, June 2005, pp. 103 107.
79. L. Avallone, C. De Stefano, C. Gambone, A. Marcelli, “Visual Processes and Features in Human Reading of Handwriting”, in: Advances in Graphonomics, A. Marcelli and C. De Stefano (eds.), Arezzo: Zona Editrice, June 2005, pp. 128-132.
80. C. De Stefano, C. D’Elia, M. Garruto, A. Marcelli, A. Scotto di Freca, “A Wavelet Based Curve Decomposition for On-line Handwriting”, in: Advances in Graphonomics, A. Marcelli and C. De Stefano (eds.), Arezzo: Zona Editrice, June 2005, pp. 162-167.
81. C. De Stefano, M. Garruto, L. Lapresa, A. Marcelli, “Detecting Handwriting Primitives in Cursive Words by Stroke Sequence Matching”, in: Advances in Graphonomics, A. Marcelli and C. De Stefano (eds.), Arezzo: Zona Editrice, June 2005, pp. 281-285.
2004
82. C. De Stefano, A. Della Cioppa, A. Marcelli, “On the Role of Population Size and Niche Radius in Fitness Sharing”, IEEE Transactions on Evolutionary Computation, vol. 8, no.6, 2004, pp. 580-592.
83. C. De Stefano, G. Guadagno, A. Marcelli, “A saliency-based segmentation method for on-line cursive handwriting”, International Journal of Pattern Recognition and Artificial Intelligence, vol. 18, no. 7, 2004, pp. 1139-1156.
84. C. De Stefano, A. Marcelli, “An Efficient Method for On-Line Cursive Handwriting Strokes Reordering”, International Journal of Pattern Recognition and Artificial Intelligence, vol. 18, no.7, 2004, pp. 1157-1171.
85. C. De Stefano, M. Garruto, and A. Marcelli, “A saliency-based multiscale method for on-line cursive handwriting shape description”, Proc. of the 9th International Workshop on Frontiers in Handwriting Recognition 2004 (IWFHR-9), Tokyo, Japan, October, 26-29, 2004, pp. 124-129.
86. C. De Stefano, C. D’Elia, A. Marcelli, “A Dynamic Approach to Learning Vector Quantization”, Proc. of the 17th International Conference on Pattern Recognition 2004 (ICPR 2004), Cambridge, UK, August 23-26, vol. 4, 2004, pp. 601-604.
87. C. De Stefano, M. Garruto, A. Marcelli, “A Multiresolution Approach to On-line Handwriting Segmentation and Feature Extraction”, Proc. of the 17th International Conference on Pattern Recognition 2004 (ICPR 2004), Cambridge, UK, August 23-26, vol. 2, 2004, pp. 614-617.
2003
88. C. De Stefano, A. Della Cioppa, A. Marcelli, “Exploiting Reliability for Dynamic Selection of Classifiers by Means of Genetic Algorithms”, Proc. of the Seventh International Conference on Document Analysis and Recognition (ICDAR 2003), Edinburgh, Scotland, August 3-6, 2003, pp. 671-675.
89. C. De Stefano, G. Guadagno, A. Marcelli, “A decomposition method for on-line cursive handwriting based on multi-scale representation”, Proc of the 11th Biennial Conference of The International Graphonomics Society (IGS 2003), Scottsdale, Arizona, USA, November 2 5, 2003, pp. 212-215.
90. G. D’Andria, C. De Stefano, R. Foglia, A. Marcelli “An algorithm for handwriting strokes reordering”, Proc of the 11th Biennial Conference of The International Graphonomics Society (IGS 2003), Scottsdale, Arizona, USA, November 2 5, 2003, pp. 237-240.
2002
91. C. De Stefano, A. Della Cioppa and A. Marcelli, “Character Preclassification based on Genetic Programming”, Pattern Recognition Letters, vol. 23, no. 12, 2002, pp.1439-1448.
92. C. De Stefano, A. Della Cioppa, A Marcelli, “Learning Handwriting by Evolution: A Conceptual Framework for Performance Evaluation and Tuning”, Pattern Recognition, vol. 35, no .5, 2002, pp. 1025-1037.
93. C. De Stefano, A. Della Cioppa and A Marcelli, “Adaptation And Learning For Pattern Recognition: A Comparison Between Neural And Evolutionary Computation”, in Human and Machine Perception 3 – Thinking, Deciding, Acting, V. Cantoni et al (eds), Kluwer Academic/Plenum Publishers, January 2002, pp. 149-157.
94. C. De Stefano, A. Della Cioppa, A. Marcelli, “An adaptive weighted majority rule for combining multiple classifiers”, Proc of the International Conference on Pattern Recognition 2002 (ICPR 2002), Quebec City, (CANADA), August 13-16, 2002, vol. 2, pp. 192-195.
95. C. De Stefano, A. Marcelli, “From ligatures to characters: a shape-based algorithm for handwriting segmentation”, Proc of the International Workshop on Frontiers of Handwriting Recognition 2002 (IWFHR 2002), Niagara-on-the-lake, ON (CANADA), August 6-8, 2002, pp. 473-478.
2001
96. C. De Stefano, A. Iuliano, A. Marcelli, “A Shape-Based Algorithm for Detecting Ligatures in On-line Handwriting”, Intelligent Automation and Soft Computing – An International Journal, vol. 7, no. 3, 2001, pp. 187-194. doi = {10.1080/10798587.2000.10642816}.
97. C. De Stefano and M. Frucci, “Spatial Relations among Pattern Subsets as a guide for Skeleton Pruning”, in Lecture Notes in Computer Science, C. Arcelli et al. eds., Springer-Verlag, vol. 2059, 2001, pp. 155-164.
98. C. De Stefano, A. Della Cioppa and A. Marcelli, “ Grouping Character Shapes by means of Genetic Programming”, in Lecture Notes in Computer Science, C. Arcelli et al. eds., Springer-Verlag, vol. 2059, 2001, pp. 504-513.
99. C. De Stefano, L. Di Lieto, .A Marcelli, “Detecting ascenders and descenders in cursive handwriting”, Proc of the 10th Biennial Conference of The International Graphonomics Society (IGS 2001), University of Nijmegen, The Netherlands, August 6-8, 2001, pp. 154 159.
100. C. De Stefano, A. Della Cioppa and A. Marcelli, “An Investigation on MPEG Audio Segmentation by Evolutionary Algorithms”, Proc. of the Sixth International Conference on Document Analysis and Recognition (ICDAR 2001), Seattle, Washington, U.S.A., September 10-13, 2001, pp. 952-956.
2000
101. C. De Stefano, C. Sansone, M. Vento “To Reject or not To Reject: That’s The Question… An Answer in Case of Neural Classifiers”, IEEE Transactions on Systems, Man and Cybernetics, vol. 30, Part C, No. 1, February 2000, pp. 84-94.
102. L.P. Cordella, C. De Stefano and M. Frucci, “A Robust Shape Decomposition Method”, in Lecture Notes in Computer Science, Atul K. Chhabra and Dov Dori eds., Springer-Verlag, vol. 1941, 2000, pp. 219 227.
1999
103. C. De Stefano, A. Della Cioppa and A. Marcelli, “Modeling the Tradeoff between Completeness and Consistency in Genetics-Based Handwritten Character Prototyping”, in: Document Recognition and Retrieval VI - Proceedings of SPIE - D.P. Lopresti and J. Zhou (eds.), vol. 3651, San Jose, California, January 27-28, 1999, pp. 64-72.
104. C. De Stefano, A. Della Cioppa, A. Marcelli, “Evolutionary Learning for Handwriting Recognition: Performance Evaluation”, Proc. of The 9th International Graphonomics Society Conference (IGS 99), Singapore, June 28-30, 1999, pp. 145-150.
105. C. De Stefano, A. Della Cioppa, .A Marcelli, “Handwritten Numeral Recognition by means of Evolutionary Algorithms”, Proc. of the Fifth International Conference on Document Analysis and Recognition (ICDAR ’99), Bangalore, India, September 20 22, 1999, pp. 804-807.
106. L.P. Cordella, C. De Stefano, M. Frucci, “Hierarchical Shape Decomposition for Non Elongated Figure Description”, Proc. of The Third IAPR International Workshop on Graphics Recognition (GREC 99), Jaipur, India, September 26-27, 1999, pp. 211-218.
107. L.P. Cordella, C. De Stefano, A. Della Cioppa, .A Marcelli, “A New Evolutionary Learning Model for Handwritten Character Prototyping”, Proc. of the 10th International Conference on Image Analysis and Processing (ICIAP ’99), Venice, Italy, September 27-29, 1999, pp. 830 835.
1998
108. L.P. Cordella, C. De Stefano, C. Sansone, F. Tortorella, M. Vento, “Neural Networks Classification Reliability: Problems and Applications”, in Neural network Systems Techniques and Applications, International Series on Advances in Control and Dynamic Systems, vol. 5: Image Processing and Pattern Recognition, C.T. Leondes Ed., Academic Press, 1998, ISBN-13: 9780124438651, ISBN: 0124438652, pp. 161 199.
109. C. De Stefano, A. Della Cioppa, A. Marcelli, “Exploiting Genetic Algorithms with Niching for Pattern Recognition”, Proc. of The Fifth International Conference on Control, Automation, Robotics and Vision (ICARCV ’98), Singapore, December 9-11, 1998, vol. 2, pp. 1382-1386.
1997
110. C. De Stefano, A. Iuliano, A. Marcelli, “Towards a Hierarchical Segmentation of On-line Cursive Script”, in Progress in Handwriting Recognition, A.C. Downton, S. Impedovo eds., World Scientific Publishing, Singapore, ISBN-10: 9810230842, ISBN-13: 978-9810230845, 1997, pp. 519-524.
111. C. De Stefano and A. Marcelli, "Generalization vs. Specialization: Quantitative Evaluation Criteria for Genetics-Based Learning Systems", Proc. of the 1997 IEEE International Conference on Systems Man and Cybernetics, Orlando Florida, USA, October 12-15, 1997, pp. 2865-2869.
112. C. De Stefano and A. Marcelli, "A shape based algorithm for segmenting on-line handwriting”, Proc. of the 8th Biennal Conference of the International Graphonomics Society (IGS ’97), Genova, Italy, August 24-28, 1997, pp. 85-86.
1996
113. C. De Stefano, P. Foggia, F. Tortorella and M. Vento, “A Distance Measure for Structural Descriptions Using Circle Arcs as Primitives”, Proc. of the 13th International Conference on Pattern Recognition (ICPR ‘96), Vienna, Austria, August 25 29, 1996, pp. 290-294.
1995
114. C. De Stefano, F. Tortorella and M. Vento, "An Entropy Based Method to Extract Robust Binary Templates", Machine Vision and Applications, Vol. 8, No. 3, 1995, pp. 173-178.
115. L.P. Cordella, C. De Stefano and M. Vento, "A Neural Network Classifier for OCR Using Structural Descriptions", Machine Vision and Applications, Vol. 8, No. 5, 1995, pp. 336-342.
116. L. P. Cordella, C. De Stefano, F. Tortorella and M. Vento, "A Method for Improving Classification Reliability of Multi-layer Perceptrons", IEEE Transactions on Neural Networks, Vol. 6, No. 5, September 1995, pp. 1140-1147.
117. L.P. Cordella, C. De Stefano, C. Sansone, M. Vento, “An Adaptive Reject Option for LVQ Classifiers”, in Lecture Notes in Computer Science - Image Analysis and Processing, C. Braccini et al. eds., Springer-Verlag, vol. 974, 1995, pp. 68-73.
118. L.P. Cordella, A. d’Acierno, C. De Stefano, M. Vento, “Mapping Schemes for Sequential Image Processing Algorihms”, in Computer Architecture for Machine Perception, V. Cantoni et al. eds., IEEE Comp. Soc. Press, 1995, pp. 184-189.
119. C. De Stefano, C. Sansone, M. Vento, "Comparing Generalization and Recognition Capability of Learning Vector Quantization and Multi-layer Perceptron Architectures”, Proc. of 9th Scandinavian Conference on Image Analysis (9SCIA), Uppsala, Sweden, 1995, pp. 1123 1130.
1994
120. L. P. Cordella, C. De Stefano, F. Tortorella and M. Vento, "Feature Selection for Optical Character Description", in Progress in Image Analysis an Processing III, S. Impedovo ed., World Scientific Publ. Singapore, 1994, pp. 373 376.
121. C. De Stefano, C. Sansone and M. Vento, “Evaluating Competitive Learning Strategies for Handwritten Character Recognition”, Proc. of 1994 IEEE International Conference on Systems, Man and Cybernetics (Humans, Information and Technology SMC), San Antonio, USA, October 2-5, 1994, pp. 759-764.
122. A. d’Acierno, C. De Stefano, F. Tortorella and M. Vento, “Can a Sequential Thinning Algorithm Be Parallelized ?”, Proc. of The 12th International Conference on Pattern Recognition, Jerusalem, Israel, October 9-13, 1994, pp. 360-362.
1993
123. L. P. Cordella, C. De Stefano, F. Tortorella and M. Vento, "Classification Rules for Supervised Neural Classifiers", Proc. of the 8-th Scandinavian Conference on Image Analysis, Tromso, 1993, pp. 539-545.
124. C. De Stefano, F. Tortorella and M. Vento, "Using Entropy for Drawing Reliable Templates", Proc. of the II International Conference on Document Analysis and Recognition, Tokyo, 1993, pp. 345-348.
1992
125. C. De Stefano, F. Tortorella and M. Vento, "A Method for the Recognition of Symbols on Geographic Maps", Proc. of the 11-th International Conference on Pattern Recognition, The Hague, 1992, vol. I, pp. A734-737.
126. L.P. Cordella, C. De Stefano, F. Tortorella and M. Vento, "Improving Character Recognition Rate by a Multi Net Neural Classifier", Proc. of the 11-th International Conference on Pattern Recognition, The Hague, 1992, vol. II, pp. B715 718.
127. C. De Stefano, F. Tortorella and M. Vento, "Morphological Functions for Symbol Recognition on Geographic Maps", Proc. of the 2nd International Conference on Automation Robotics and Computer Vision, Singapore, 1992, pp. CV 21.3.1 CV 21.3.5.
1991
128. A. d' Acierno, C. De Stefano and M. Vento, "A Multi-Net Neural Classifier Tailored by means of Test Set Characterization" in Parallel Architecture and Networks, E.R. Caianiello ed., World Scientific Publ. Singapore, 1991, pp. 321 325.
129. L.P. Cordella, A. Chianese, M. De Santo, C. De Stefano and M. Vento, "On the Comparison Among Description Methods by Neural Networks", in Progress in Image Analysis and Processing II, Cantoni et al. eds., World Scientific Publ. Singapore, 1991, pp. 461-465.
130. A. d'Acierno, C. De Stefano and M. Vento, "A Neural Classifier for Structural Character Recognition", Proc. of the 7-th Scandinavian Conference on Image Analysis, Aalborg, 1991, pp. 886-893.
131. A. d'Acierno, C. De Stefano and M. Vento, "A Structural Character Recognition Method Using Neural Networks", Proc. of the First International Conference on Document Analisys and Recognition, Saint Malo', ISBN: 2-903677100-2, 1991, pp. 803-811.

[Ultima modifica: mercoledì 30 novembre 2016]