Classification by pairwise coupling of imprecise probabilities

در این مقاله، ما با تصمیم گیری ترکیبی از طبقه بندی هایی که نتایج خروجی های نامشخص ارائه می دهند، به شکل مجموعه ای از توزیع های احتمالی، تصمیم می گیریم. دقیق تر، هر طبقه بندی مرزهای پایین و بالایی را در احتمال احتمالات کلاس های مرتبط فراهم می کند. طبقه بندی ها با محاسبه توزیع احتمالی بدون قید و شرط با این محدودیت ها، با حل مشکلات بهینه سازی خطی ترکیب می شوند. هنگامی که خروجی های طبقه بندی ناسازگار هستند، ما گامی صحیح پیشنهاد می کنیم که این سازگاری را بازیابی می کند. آزمایش ها نشان می دهد که علاقه ما به رویکرد ما برای حل مشکلات طبقه بندی چند طبقه، به ویژه هنگامی که اطلاعات کم است (به عنوان مثال، تعداد محدودی از طبقه بندی ها در دسترس است). در این مورد، مدل سازی کمبود اطلاعات مربوط به خروجی های طبقه بندی، نتایج خوبی را به دست می دهد حتی زمانی که آنها به درستی تنظیم شده یا داده های بیش از حد را نادیده گرفته اند.