کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6940662 1450016 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Weighting scheme for a pairwise multi-label classifier based on the fuzzy confusion matrix
ترجمه فارسی عنوان
طرح وزن سازی برای طبقه بندی چند لای دوگانه بر اساس ماتریس اختلال فازی
کلمات کلیدی
طبقه بندی چند لایک، برچسب زدن زوج تحول، طبقه بندی تصادفی تصادفی، ماتریس اختلال، تئوری اطلاعات، آنتروپی،
ترجمه چکیده
در این کار، ما مسئله بهبود کیفیت طبقه بندی برچسب های زنجیره ای را مورد توجه قرار دادیم. هدف ما ارتقاء کیفیت طبقه بندی به دست آمده توسط گروه توسط اصلاح طبقه بندی های پایه ای است که گروه را تشکیل می دهند. برای رسیدن به این هدف، یک روش تصحیح که محاسبه اندازه گیری صلاحیت و صلاحیت متقابل یک طبقه بندی واحد را پیشنهاد می کند، پیشنهاد شده است. این اقدامات برای تغییر پیش بینی طبقه بندی پایه استفاده می شود. اقدامات با استفاده از یک ماتریس اختلال پویا محاسبه می شوند. علاوه بر این، ما یک طرح وزن ای ارائه می دهیم که طبقه بندی های پایه ای را که بیشتر به تصحیح مبتنی بر ماتریس اختلال فازی است، ترویج می دهد. در طی مطالعه تجربی، رویکرد پیشنهادی با دو روش مرجع مقایسه شد. مقایسه با هشت معیار کیفیت مختلف انجام شد. نتیجه نشان می دهد که روش پیشنهادی می تواند در مقایسه با روش های پایه بهبود کیفیت طبقه بندی را بهبود بخشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
طرح وزن سازی برای طبقه بندی چند لای دوگانه بر اساس ماتریس اختلال فازی
چکیده انگلیسی
In this work, we addressed the issue of improving the classification quality of label pairwise ensembles. Our goal is to improve the classification quality achieved by the ensemble via modification of the base classifiers that constitute the ensemble. To achieve this goal, a correction procedure that computes the measures of competence and cross-competence of a single classifier is proposed. These measures are used to modify the prediction of a base classifier. The measures are calculated using a dynamic confusion matrix. Additionally, we provide a weighting scheme that promotes the base classifiers that are the most susceptible to the correction based on the fuzzy confusion matrix. During the experimental study, the proposed approach was compared to two reference methods. The comparison was made in terms of eight different quality criteria. The result shows that the proposed method is able to improve classification quality when compared to baseline methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 103, 1 February 2018, Pages 60-67
نویسندگان
, ,