文献

J-GLOBAL ID：201802291388912950   整理番号：18A0126547

分類問題困難により配向した動的分類器選択のためのフレームワーク【Powered by NICT】

A framework for dynamic classifier selection oriented by the classification problem difficulty

著者 (6件)： Brun Andre L. (Pontificia Universidade Catolica do Parana (PUCPR), Curitiba, PR, Brazil) ,  Britto Alceu S. (Pontificia Universidade Catolica do Parana (PUCPR), Curitiba, PR, Brazil) ,  Britto Alceu S. (Universidade Estadual de Ponta Grossa (UEPG), Ponta Grossa, PR, Brazil) ,  Oliveira Luiz S. (Universidade Federal do Parana (UFPR), Curitiba, PR, Brazil) ,  Enembreck Fabricio (Pontificia Universidade Catolica do Parana (PUCPR), Curitiba, PR, Brazil) ,  Sabourin Robert (Ecole de technologie superieure (ETS), Universite du Quebec, Montreal, QC, Canada)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 76  ページ： 175-190  発行年： 2018年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,新規性は,プール生成と分類器選択の両方を配向の観点から分類問題によりもたらされる困難を解決する特徴の使用に存在する動的分類器選択(DCS)のためのフレームワークについて述べた。分類困難は複雑性測度を用いた問題データから推定したメタ特徴によって記述した。第一に,これらの特徴を用いて,問題空間の優れた被覆率を期待分類器プール生成を駆動し,類似した特徴に基づく動的分類器選択は分類器の能力を推定する試験例を扱った。ここで理論的根拠は,検証セットで定義されたテストインスタンスの近傍で観察されたものと同様の難易度の部分問題(トレーニング部分集合)上で訓練された分類器を動的に選択することである。30データセットに基づくロバストな実験プロトコル,および20反復を考慮すると,分類問題困難のより良い理解は,DCSの性能に影響を与える可能性があることを確認した。プール生成法では,180種の実験(70.0%)の126で提案されたプール発生器を採用した評価DCS法の精度の向上を可能にしたことが観察された。添加では,プール生成と分類器選択は難しい問題の特徴に基づくの両方が,提案した枠組みからの主な結果は非常に有望である。180実験(91.6%)の165では,文献における6良く知られたDCS法と比較した場合,問題困難さに基づいて提案DCSフレームワークは,良好な分類精度を達成したことが観察された。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 被覆率 ,  プロトコル ,  ロバスト性 ,  *部分集合
準シソーラス用語： 分類精度 ,  高精度化 ,  部分問題 ,  近傍 , 【Automatic Indexing@JST】

著者キーワード (4件)： 多重分類器システム ,  分類器プール生成 ,  動的分類器選択 ,  分類問題困難

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 分類 ,  配向 ,  分類器 ,  フレームワーク