Porovnání statické a dynamické agregace klasifikátorů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F08%3A04150956" target="_blank" >RIV/68407700:21340/08:04150956 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Static vs. Dynamic Classifier Systems in Classifier Aggregation

Popis výsledku v původním jazyce

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. Common methods for classifier aggregation are static, i.e., they do not adapt to the currently classified pattern. In this paper, we introduce a formalism of dynamic classifier systems, which use the concept of dynamic classification confidence to dynamically adapt to the currently classified pattern. Results of experiments with quadratic discriminant classifiers on four artificial and four real-world benchmark datasets show that dynamic classifier systems can significantly outperform static classifier systems.

Název v anglickém jazyce

Static vs. Dynamic Classifier Systems in Classifier Aggregation

Popis výsledku anglicky

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. Common methods for classifier aggregation are static, i.e., they do not adapt to the currently classified pattern. In this paper, we introduce a formalism of dynamic classifier systems, which use the concept of dynamic classification confidence to dynamically adapt to the currently classified pattern. Results of experiments with quadratic discriminant classifiers on four artificial and four real-world benchmark datasets show that dynamic classifier systems can significantly outperform static classifier systems.

Druh

D - Stať ve sborníku

CEP obor

BA - Obecná matematika

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Doktorandské dny 2008

ISBN

978-80-01-04195-6

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

—

Název nakladatele

Česká technika - nakladatelství ČVUT

Místo vydání

Praha

Místo konání akce

Praha

Datum konání akce

7. 11. 2008

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—