基于证据理论的纠错输出编码解决多类分类问题
DOI:
CSTR:
作者:
作者单位:

作者简介:

周进登

通讯作者:

中图分类号:

TN957.1

基金项目:

国家自然科学基金:基于供应链低碳化的企业行为与运营优化决策研究


Error-correcting output codes based on evidence theory for multi-class
classification
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对多类分类问题, 利用纠错输出编码作为分解框架, 把多类问题转化为多个二类问题加以解决; 同时提出
    一种基于证据理论的解码策略, 把每一个二分器的输出作为证据之一进行融合, 并讨论在两种编码类型(二元和三元
    编码矩阵) 下证据融合的不同策略. 通过实验分别对UCI 数据集和3 种一维距离像数据集进行测试, 并与几种经典的
    解码方法进行比较, 验证了所提出的方法能有效提高纠错输出编码特别是三元编码矩阵的分类正确率.

    Abstract:

    To model multi-class classification problems, error correcting output codes(ECOC) are used as decomposing
    frame to reduce multi-class to binary. A decoding strategy based on DS evidence theory is proposed, which takes every binary
    learner’s output as evidence to fusion and discusses different DS evidence fusion strategies based on two kinds of coding
    type(binary ECOC and ternary ECOC). Experimental results on UCI and three kinds of HRRP show that the proposed scheme
    provides better performance of error correcting output codes especially ternary ECOC than other state-of-the-art encoding
    strategies.

    参考文献
    相似文献
    引证文献
引用本文

周进登, 王晓丹, 崔永花,等.基于证据理论的纠错输出编码解决多类分类问题[J].控制与决策,2013,28(4):495-500

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-09-19
  • 最后修改日期:2012-05-31
  • 录用日期:
  • 在线发布日期: 2013-04-20
  • 出版日期:
文章二维码