Error sensitivity analysis of Delta divergence - a novel measure for classifier incongruence detection

ناسازگاری حالت طبقه بندی در سیستم های تصمیم گیری که دارای طبقه بندی های متعدد هستند اغلب نشان دهنده انحراف ناشی از مشاهدات غیرمنتظره یا وضعیت غیر معمول است. ارزیابی آن به عنوان یکی از مکانیسم های کلیدی برای تشخیص آنومالی دامنه ای است. در این مقاله، حساسیت واگرا دلتا، معیار جدیدی از عدم انطباق طبقه بندی، به خطاهای تخمینی را مورد بررسی قرار می دهیم. خواص آماری تحولات دلتا از لحاظ نظری و تجربی مورد تجزیه و تحلیل قرار گرفته است. نتایج حاصل از تجزیه و تحلیل ارائه دستورالعمل های مربوط به انتخاب آستانه برای تشخیص نامطلوب طبقه بندی بر اساس این اندازه گیری است.