Počet záznamů: 1

Classifier Aggregation Using Local Classification Confidence

  1. 1.
    0320925 - UIVT-O 2009 RIV PT eng C - Konferenční příspěvek (zahraniční konf.)
    Štefka, David - Holeňa, Martin
    Classifier Aggregation Using Local Classification Confidence.
    [Spojování klasifikátorů pomocí lokální konfidence klasifikace.]
    ICAART 2009. Setúbal: INSTICC, 2009, s. 173-178. ISBN 978-989-8111-66-1.
    [ICAART 2009. International Conference on Agents and Artificial Intelligence /1./. Porto (PT), 19.01.2009-21.01.2009]
    Grant CEP: GA AV ČR 1ET100300517
    Výzkumný záměr: CEZ:AV0Z10300504
    Klíčová slova: classifier aggregation * classifier combining * classification confidence
    Kód oboru RIV: IN - Informatika

    Classifier aggregation is a method for improving quality of classification. Instead of using just one classifier, a team of classifiers is created, and the outputs of the individual classifiers are aggregated into the final prediction. In this paper, we study the potential of using measures of local classification confidence in classifier aggregation methods. We introduce four measures of local classification confidence and study their suitability for classifier aggregation. We develop two novel classifier aggregation methods which utilize local classification confidence and we compare them to two commonly used methods for classifier aggregation. The results on four artificial and five real-world benchmark datasets show that by incorporating local classification confidence into classifier aggregation methods, significant improvement in classification quality can be obtained.

    Agregace klasifikátorů je metoda pro zvýšení kvality klasifikace. Místo použití jednoho klasifikátoru je sestaven tým klasifikátorů a výstupy jednotlivých klasifikátorů jsou agregovány do finální predikce. V tomto příspěvku zkoumáme potenciál využití měr lokální konfidence klasifikace v metodách pro agregaci klasifikátorů. Uvádíme dvě agregační metody využívající lokální konfidenci klasifikace a porovnáme je s dvěma běžně používanými metodami pro agregaci klasifikátorů. Výsledky experimentů na 4 umělých a 5 reálných datových množinách ukazují, že použití lokální konfidence klasifikace v agregaci klasifikátorů může signifikantně zvýšit kvalitu klasifikace.
    Trvalý link: http://hdl.handle.net/11104/0169646