Počet záznamů: 1
Dynamic Classifier Systems and their Applications to Random Forest Ensembles
- 1.
SYSNO ASEP 0326646 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Dynamic Classifier Systems and their Applications to Random Forest Ensembles Překlad názvu Dynamické systémy klasifikátorů a jejich využití pro klasifikaci pomocí náhodných lesů Tvůrce(i) Štefka, David (UIVT-O)
Holeňa, Martin (UIVT-O) SAI, RIDZdroj.dok. Adaptive and Natural Computing Algorithms. - Berlin : Springer, 2009 / Kolehmainen M. ; Toivanen P. ; Beliczynski B. - ISBN 978-3-642-04920-0 Rozsah stran s. 458-468 Poč.str. 11 s. Akce ICANNGA'2009. International conference /9./ Datum konání 23.04.2009-25.04.2009 Místo konání Kuopio Země FI - Finsko Typ akce WRD Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova classifier combining ; dynamic classifier aggregation ; random forests ; classification Vědní obor RIV IN - Informatika CEP 1ET100300517 GA AV ČR - Akademie věd GA201/08/0802 GA ČR - Grantová agentura ČR CEZ AV0Z10300504 - UIVT-O (2005-2011) UT WOS 000279120700047 EID SCOPUS 78650738728 DOI 10.1007/978-3-642-04921-7_47 Anotace Classifier combining is a popular method for improving quality of classification -- instead of using one classifier, several classifiers are organized into a classifier system and their results are aggregated into a final prediction. However, most of the commonly used aggregation methods are static, i.e., they do not adapt to the currently classified pattern. In this paper, we provide a general framework for dynamic classifier systems, which use dynamic confidence measures to adapt to a particular pattern. Our experiments with random forests on 5 artificial and 11 real-world benchmark datasets show that dynamic classifier systems can significantly outperform both confidence-free and static classifier systems. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2010
Počet záznamů: 1