Metody łączenia klasyfikatorów w kontekstowym klasyfikatorze złożonym

• Autorzy: Janina Anna Jakubczyc
• Języki publikacji: PL

Abstrakty

Zaproponowano dwie metody łączenia. Pierwsza to metoda selekcji klasyfikatorów bazowych w zależności od kontekstów, w jakich występuje klasyfikowany przypadek. Druga, bardzo obiecująca dla trudnych przypadków klasyfikacyjnych, to metoda kontekstowego wspomagania. Mimo że badania i weryfikację drugiej metody przeprowadzono tylko na podstawie rzeczywistych danych firmy telekomunikacji przewodowej, zasadne wydaje się przekonanie, że można ją uogólnić i zastosować do innych problemów decyzyjnych. Przedstawione badania są wstępne i dalsze prace są kontynuowane.(fragment tekstu)

Słowa kluczowe

PL

Bazy danych; Klasyfikacja danych; Podejmowanie decyzji

EN

Databases; Data classifications; Decision making

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2008
• Tom: Technologie wiedzy w zarządzaniu publicznym'08. Konwersja wiedzy
• Strony: 385--393

Twórcy

autor

Janina Anna Jakubczyc

• Wrocław University of Economics, Poland

Bibliografia

• Brown G., Wyatt J.: Negative Correlation Learning and The Ambiguity Family of Ensemble Methods. W: T. Windeatt, F. Roli (Red.): Proceedings od the 4th International Workshop on Multiple Classifier Systems, Volume 2709 LNCS, Guilford, UK 2003, Springer-Verlag
• Dietterich T.G., Ensemble methods in Machine Learning. W: Proc. of 1th Intern. Workshop on Multiple Classifier Systems, 2000
• Giacinto G., Roli F., Fumera G.: Selection of Classifiers based on Multiple Classifier Behaviour. W: Proc. of the Joint international workshops on Syntactical and Structural Pattern, Recognition & Statistical Pattern Recognition, Alicante, 2000
• Gosh J.: Multiclassifier systems: Back to the future. "Multiple Classifier Systems" 2002, Vol. LNCS 2364
• Hansen L., Salamon P.: Neural network ensembles. "IEEE Trance. Pattern Analysis and Machine Intelligence" 1990, No 12
• Jakubczyc J.A.: Contextual Classifier Ensembles. W: Abramowicz W. (red.): Business Information Systems, LNCS 4439, Springer 2007
• Kuncheva L.I., Whitaker C.J.: Measures of diversity in classifier ensembles. "Machine Learning" 2003, No 51
• Leung K.T., Parker D.S.: Empirical Comparisons of Various Voting Methods in Bagging, SIGKDD'03, ACM Washington, 2003
• Ruta D., Gabrys B.: Analysis of the correlation between majority voting error and the diversity measures in multiple classifier systems, W: Proc. of the 4th International Symposium on Soft Computing, Paisley, UK, 2001
• Schiele B.: How many Classifiers Do I Need? "IEEE Pattern Recognition" 2002, Vol. 2
• Shipp C.A., Kuncheva L.I.: Relationship between combination methods and measures of diversity in combining classifiers. "Information Fusion" 2002, No 3(2)