...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Analysis and Applications >Input decimated ensembles
【24h】

Input decimated ensembles

机译：输入抽取合奏

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Using an ensemble of classifiers instead of a single classifier has been shown to improve generalization performance in many pattern recognition problems. However, the extent of such improvement depends greatly on the amount of correlation among the errors of the base classifiers. Therefore, reducing those correlations while keeping the classifiers' performance levels high is an important area of research. In this article, we explore Input Decimation (ID), a method which selects feature subsets for their ability to discriminate among the classes and uses these subsets to decouple the base classifiers. We provide a summary of the theoretical benefits of correlation reduction, along with results of our method on two underwater sonar data sets, three benchmarks from the Probenl/UCI repositories, and two synthetic data sets. The results indicate that input decimated ensembles outperform ensembles whose base classifiers use all the input features; randomly selected subsets of features; and features created using principal components analysis, on a wide range of domains.
机译：已经显示出使用整体分类器而不是单个分类器可以改善许多模式识别问题中的泛化性能。但是，这种改进的程度很大程度上取决于基本分类器的误差之间的相关程度。因此，在保持分类器性​​能较高的同时减少这些相关性是重要的研究领域。在本文中，我们探讨了输入抽取（ID），一种选择特征子集以区分类别的能力，并使用这些子集对基本分类器进行解耦的方法。我们提供了相关性降低的理论优势的摘要，以及我们在两个水下声纳数据集，来自Probenl / UCI存储库的三个基准以及两个合成数据集上得到的方法的结果。结果表明，输入抽取合奏比其基本分类器使用所有输入特征的合奏要好。随机选择的特征子集；以及使用主成分分析在广泛领域中创建的功能。

著录项

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