Особенности построения мультиклассификаторов на основе методов интеграции решений
Опубликовано: 03.11.2012
Авторы: Самородов А.В.
Опубликовано в выпуске: #3(3)/2012
DOI: 10.18698/2308-6033-2012-3-95
Раздел: Информационные технологии | Рубрика: Биометрические технологии
Предложена группировка методов и алгоритмов интеграции информации, рассмотрены методы и алгоритмы интеграции информации на уровне решений. Представлен новый алгоритм мультиклассификации FuzzyBoost, реализующий метод нечеткого усиления. Алгоритм FuzzyBoost обеспечивает построение квазилинейной композиции и основан на алгоритме AdaBoost, дополненном вычислением нечеткого интеграла вместо собственного линейного агрегационного правила AdaBoost на каждой итерации бустинга. Экспериментальные результаты показали, что в случае сложной разделяющей классы поверхности алгоритм FuzzyBoost имеет лучшую обобщающую способность, чем алгоритм AdaBoost.
Литература
[1] Расстригин Л.А., Эренштейн Р.Х. Метод коллективного распознавания. М.: Энергоиздат, 1981. 80 с.
[2] Барабаш Ю.Л. Коллективные статистические решения при распознавании. М.: Радио и связь, 1983. 224 с.
[3] Ho T.K. Multiple Classifier Combination: Lessons and the Next Steps // In Hybrid Methods in Pattern Recognition. World Scientific Publishing. 2002. P. 171–198
[4] Kuncheva L.I. Combining Pattern Classifiers: Methods and Algorithms. John Wiley & Sons, Inc., 2004. 350 p.
[5] Ross A.A., Nandakumar K., Jain A.K. Handbook of Multibiometrics. Springer: Science+BusinessMedia, 2006. 198 p.
[6] Horvitz E., Heckerman D., Langlotz C.P. A Framework for Comparing Formalisms for Plausible Reasoning // In Proc. National Conf. on Artificial Intelligence. Philadelphia, 1986. P. 210–214
[7] Bloch I. Information Combination Operators for Data Comparative Review with Classification // IEEE Transactions on Systems, Man and Cybernetics. Part A: Systems and Humans. 1996. Vol. 26. No. 1. P. 52–67
[8] Bonissone P.P. Soft Computing: the Convergence of Emerging Reasoning Technologies // Soft Computing. 1997. No. 1. P. 6–18
[9] Ruta D., Gabrys B. An Overview of Classifier Fusion Methods // Computing and Information Systems. 2000. No. 7. P. 1–10
[10] Kuncheva L.I. “Fuzzy” versus “nonfuzzy” in Combining Classifiers Designed by Boosting // IEEE Transactions on Fuzzy Systems. 2003. Vol. 11. No. 6. P. 729–741
[11] Beliakov G. How to Build Aggregation Operators from Data //International Journal of Intelligent Systems. 2003. Vol. 18. P. 903–923
[12] Ghosh J. Multiclassifier Systems: Back to the Future // LNCS 2364. 2002. P. 1–15
[13] Kittler J., Hatef M., Duin R.P., Matas J.G. OnCombiningClassifiers // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998. Vol. 20. No. 3. P. 226–239
[14] Джарратано Д., Райли Г. Экспертные системы: принципы разработки и программирование. М.: ООО «И.Д. Вильямс», 2007. 1152 с.
[15] Яхъяева Г.Э. Нечеткие множества и нейронные сети. М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний, 2008. 316 с.
[16] Grabisch M., Labreuche Ch. A Decade of Application of the Choquet and Sugeno Integrals in Multi-criteria Decision Aid // A Quarterly Journal of Operations Research. 2008. Vol. 6. P. 1–44
[17] Vezhnevets A., Vezhnevets V. “Modest AdaBoost” – Teaching Ada-Boost to Generalize Better // Proc. Graphicon 2005. Novosibirsk, 2005
[18] Grabisch M. Modelling Data by the Choquet Integral //Information Fusion in Data Mining. Physica Heidelberg. 2003. P. 135–148
[19] Grabich M. K-order Additive Discrete Fuzzy Measures and their Representation // Fuzzy Sets & Systems. 1997. Vol. 92. No. 2. P. 167–189
[20] Combarro E. F., Miranda P. On the Structure of the k-additive Fuzzy Measures // Fuzzy Sets and Systems. 2010. Vol. 161. Issue 17. P. 2314–2327
[21] Mikenina L., Zimmermann H.-J. Improved Feature Selection and Classification by the 2-additive Fuzzy Measure // Fuzzy Sets and Systems. 1999. Vol. 107. P. 197–218
[22] Junco L., Sanchez L. Using the Adaboost Algorithm to Induce Fuzzy Rules in Classification Problems //Proc. ESTYLF, Sevilla. 2000. P. 297–301
[23] Del Jesus M. J., Hoffmann F., Navascues J. L., Sanchez L. Induction of Fuzzy Rule Based Classifiers with Evolutionary Boosting Algorithms // IEEE Transactions on Fuzzy Sets and Systems. 2004. Vol. 12. No. 3. P. 296–308
[24] Samorodov A. V. Application of a Fuzzy Integral for Weak Classifiers Boosting // Pattern Recognition and Image Analysis. 2011. Vol. 21. No. 2. P. 206–210
[25] Grabish M., Labreuche C. The Choquet Integral for 2-additive Bicapacities // Proc. of 3d Int. Conf. of the European Soc. for Fuzzy Logic and Technology (EUSFLAT 2003). 2003. P. 300–303