文献

J-GLOBAL ID：201702262659371457   整理番号：17A1351918

証拠の選択された源の組合せに基づくパターン分類【Powered by NICT】

Pattern classification based on the combination of the selected sources of evidence

著者 (4件)： Liu Zhunga (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Liu Yongchao (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Zhou Kuang (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  He You (Department of Electronic Engineering, Tsinghua University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Fusion  ページ： 1-8  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 複雑なパターン分類問題では,異なる属性によって生成された多重分類結果の融合精度を効率的に改善することができた。証拠理論は,不確かな情報の表現と組合せで良好であり,ここで採用した。各属性(セット)は証拠(情報)の発生源の1つと考えることができる。いくつかの応用では,標的属性の観測に費用がかかり,そして,いくつかの信頼できない情報源は融合結果を損なわれる可能性がある。許容分類精度を達成するために高品質の情報のいくつかの可能性のある発生源を利用したい。パターン分類のための情報源の適応選択に基づく新しい融合法を提案した。各パターンに対して,属性(セット)種々のものの中で最高の精度は最初にパターンを分類するために選択した。,訓練データを用いたK最近傍(K NN)法により評価した,分類結果の信頼性は,要求を満たすことができないならば,次の属性源は物体の選択された近傍にその分類性能に応じて選択した。核融合では,異なる属性に対応した分類結果は,それらの異なる分類能力のために異なる重みを帰属し,加重証拠組合せ法を採用して,最良の可能な分類性能を生成した。UCIからのいくつかの実データセットを他の関連融合法と比較して提案した方法を評価するために使用されており,我々の新しい方法はすべての情報源を結合するために直接使用される他の融合方法よりもより少ない数の情報源の高い精度を生成できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 核融合 ,  *パターン分類 ,  情報源 ,  多重化 ,  信頼性 ,  忍容性
準シソーラス用語： 加重 ,  訓練データ ,  高品質 ,  分類精度 ,  許容性 ,  発生源 ,  証拠理論 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  信頼性  (KB04040H)

タイトルに関連する用語 (3件)： 証拠 ,  組合せ ,  パターン分類