文献

J-GLOBAL ID：201802251262455725   整理番号：18A1043342

証拠推論に基づく最適重量と分類器の組合せ【JST・京大機械翻訳】

Combination of Classifiers With Optimal Weight Based on Evidential Reasoning

著者 (4件)： Liu Zhun-Ga (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Pan Quan (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Dezert Jean (ONERA-The French Aerospace Lab, Palaiseau, France) ,  Martin Arnaud (Institut de recherche en informatique et systemes aleatoires, University of Rennes 1, Lannion, France)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 26  号： 3  ページ： 1217-1230  発行年： 2018年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  資料種別： 逐次刊行物 (A)
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： パターン分類問題において,異なる訓練データを用いて学習された異なる分類器は,より多くのあるいはより少ない相補的知識を提供することができ,分類器の組合せは分類精度を改善することが期待される。証拠推論(ER)は不正確で不確実な情報を表現し結合するための効率的な枠組みを提供する。本論文では,ERに基づく分類器の加重組合せに焦点を当てた。各分類器は与えられたデータセット上で異なる性能を持つ可能性があるので,分類器は異なる重みで考慮される。分類精度を強化するために,ERに基づいて新しい重み付き分類器組合せ法を提案した。分類器の最適重みづけ因子を,Dempsterの規則によって得られた融合結果と訓練データ空間における目標出力の間の距離を最小化することによって得て,分類装置の相補性を完全に利用した。一つのクラスに属するオブジェクトの確率を特性化するために,混乱マトリックスをさらに導入したが,融合結果によって別のクラスに分類した。また,この行列は分類器の重さと共に訓練データを用いて最適化され,融合結果を修正するために使用される。さらに,分類器融合におけるパラメータ最適化のための異なる重みづけにより訓練パターンを考慮し,分類困難なパターンを扱いやすいものよりも大きな重みづけを行った。最も高い分類精度を得るために,パターン重みと他のパラメータ(すなわち,分類器重量と混乱行列)を反復的に最適化した。決定の部分的不正確さがあるケースにおける誤差より良いと考えられるので,慎重な意思決定戦略を導入して,エラーを減少させて,分類することが困難なパターンを分類のセットに慎重に委託した。提案した方法の有効性をUCIリポジトリからの種々の実データセットで実証し,その性能を他の古典的方法と比較した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  不確実性 ,  キャラクタリゼーション ,  相補性 ,  *重みづけ ,  分類装置 ,  リポジトリ ,  意思決定 ,  パターン分類 ,  カオス
準シソーラス用語： パラメータ最適化 ,  加重 ,  分類精度 ,  訓練データ ,  *証拠推論 , 【Automatic Indexing@JST】

分類 (1件)： システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 証拠推論 ,  分類器 ,  組合せ