Confidence of Classification and its Application to Classifier Aggregation

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F07%3A04137650" target="_blank" >RIV/68407700:21340/07:04137650 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—

Result language
angličtina
Original language name
Confidence of Classification and its Application to Classifier Aggregation
Original language description
Classifier combining is a succesful method for improving the quality of classification. In this paper, we introduce the concept of confidence of classification and define two confidence measures -- the local accuracy and the local diversity. We propose algorithms for classifier aggregation which utilize the concept of confidence. We then compare the performance of these algorithms with several state-of-the-art classifier combining techniques. Results of these benchmark tests show that by incorporating confidence into classifier aggregation algorithms, the state-of-the-art methods can be improved.
Czech name
Confidence of Classification and its Application to Classifier Aggregation
Czech description
Kombinování klasifikátorů je úspěšná metoda pro zvýšení kvality klasifikace. V tomto článku zavedeme koncept spolehlivosti klasifikace a definujeme dvě míry spolehlivosti klasifikace - lokální přesnost a lokální diverzitu. Vytvoříme algoritmy pro agregaci klasifikátorů, které využívají koncept spolehlivosti klasifikace. Poté porovnáme tyto algoritmy s několika standardně používanými přístupy ke kombinování klasifikátorů. Výsledky těchto testů ukazují, že standardní algoritmy pro agregaci klasifikátorů se dají zavedením spolehlivosti klasifikace vylepšit.

Publication year
2007
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Similar results(10)