• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Soft-decision hierarchical classification using SVM-type classifiers.
【24h】

Soft-decision hierarchical classification using SVM-type classifiers.

机译：使用SVM类型分类器的软决策分层分类。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We address both recognition of true classes and rejection of unseen false classes, as occurs in many realistic pattern recognition problems. We focus on object recognition in which there are a large number of classes, and each object has different distorted (different aspect views) versions. We advance a binary hierarchical classifier and produce analog outputs at each node, with values related to the class conditional probabilities. This yields a new soft-decision hierarchical classifier (hard decisions are not made at each node). The hierarchy is designed by our new weighted support vector k-means clustering algorithm, which selects the classes to be separated at each node in the hierarchy using support vector information in higher-order space. Use of our SVRDM (support vector representation and discrimination machine) classifiers at each node provides generalization and rejection ability. The soft-decision SVRDM output allows use of the probability for each class at each node this is shown to improve classification (for true classes) and rejection (for false classes) performance. We provide classification and rejection results on the COIL-100 (Columbia Object Imagery Library) database that allows a large-class recognition and rejection problem to be addressed. We also provide test results on two UCI machine learning repository data sets this is to show that our soft-decision hierarchical SVRDM classifier applies to other pattern recognition problems that do not involve image data and geometric distortions of the data in each class, and to problems whose features are not image pixels as in the COIL-100 database.
机译：正如许多现实模式识别问题中所发生的，我们既解决了对真类的识别又拒绝了看不见的假类。我们专注于对象识别，其中存在大量的类，并且每个对象都有不同的失真（不同的外观视图）版本。我们提出了一个二进制分层分类器，并在每个节点上产生模拟输出，其值与类条件概率有关。这将产生一个新的软决策分层分类器（并非在每个节点上都做出硬决策）。层次结构是由我们新的加权支持向量k均值聚类算法设计的，该算法使用高阶空间中的支持向量信息来选择要在层次结构中每个节点处分离的类。在每个节点上使用我们的SVRDM（支持向量表示和识别机）分类器可提供泛化和拒绝能力。软判决SVRDM输出允许使用每个节点上每个类的概率，这显示出可以提高分类（对于真实类）和拒绝（对于错误类）性能。我们在COIL-100（哥伦比亚对象图像库）数据库上提供分类和拒绝结果，从而可以解决大型的识别和拒绝问题。我们还提供了两个UCI机器学习存储库数据集的测试结果，这表明我们的软决策分层SVRDM分类器适用于其他模式识别问题，这些问题不涉及图像数据和每个类别中数据的几何变形其功能不是COIL-100数据库中的图像像素。

著录项

  • 作者

    Wang, Yu-Chiang Frank.;

  • 作者单位

    Carnegie Mellon University.;

  • 授予单位 Carnegie Mellon University.;
  • 学科 Engineering Electronics and Electrical.
  • 学位 Ph.D.
  • 年度 2009
  • 页码 188 p.
  • 总页数 188
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号