A Study on Class-Specifically Discounted Belief for Ensemble Classifiers

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Johansson Ronnie) > A Study on Class-Sp...

LIBRIS Formathandbok (Information om MARC21)

Fältnamn	Indikatorer	Metadata
000		04671naa a2200529 4500
001		oai:DiVA.org:his-3627
003		SwePub
008		100201s2008 \| \|\|\|\|\|\|\|\|\|\|\|000 \|\|eng\|
009		oai:DiVA.org:kth-221514
024	7	a https://urn.kb.se/resolve?urn=urn:nbn:se:his:diva-36272 URI
024	7	a https://doi.org/10.1109/MFI.2008.46480122 DOI
024	7	a https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-2215142 URI
040		a (SwePub)hisd (SwePub)kth
041		a engb eng
042		9 SwePub
072	7	a ref2 swepub-contenttype
072	7	a kon2 swepub-publicationtype
100	1	a Johansson, Ronnieu Högskolan i Skövde,Institutionen för kommunikation och information,Forskningscentrum för Informationsteknologi,The Distributed Real-Time Systems Research Group,Högskolan i Skövde, Institutionen för kommunikation och information4 aut0 (Swepub:his)joso
245	1 0	a A Study on Class-Specifically Discounted Belief for Ensemble Classifiers
264	1	b IEEE,c 2008
338		a print2 rdacarrier
500		a QC 20180123
520		a Ensemble classifiers are known to generally perform better than their constituent classifiers. Whereas a lot of work has been focusing on the generation of classifiers for ensembles, much less attention has been given to the fusion of individual classifier outputs. One approach to fuse the outputs is to apply Shafer’s theory of evidence, which provides a flexible framework for expressing and fusing beliefs. However, representing and fusing beliefs is non-trivial since it can be performed in a multitude of ways within the evidential framework. In a previous article, we compared different evidential combination rules for ensemble fusion. The study involved a single belief representation which involved discounting (i.e., weighting) the classifier outputs with classifier reliability. The classifier reliability was interpreted as the classifier’s estimated accuracy, i.e., the percentage of correctly classified examples. However, classifiers may have different performance for different classes and in this work we assign the reliability of a classifier output depending on the classspecific reliability of the classifier. Using 27 UCI datasets, we compare the two different ways of expressing beliefs and some evidential combination rules. The result of the study indicates that there is indeed an advantage of utilizing class-specific reliability compared to accuracy in an evidential framework for combining classifiers in the ensemble design considered.
650	7	a NATURVETENSKAPx Data- och informationsvetenskapx Datavetenskap0 (SwePub)102012 hsv//swe
650	7	a NATURAL SCIENCESx Computer and Information Sciencesx Computer Sciences0 (SwePub)102012 hsv//eng
650	7	a NATURVETENSKAPx Data- och informationsvetenskapx Systemvetenskap, informationssystem och informatik0 (SwePub)102022 hsv//swe
650	7	a NATURAL SCIENCESx Computer and Information Sciencesx Information Systems0 (SwePub)102022 hsv//eng
650	7	a NATURVETENSKAPx Data- och informationsvetenskap0 (SwePub)1022 hsv//swe
650	7	a NATURAL SCIENCESx Computer and Information Sciences0 (SwePub)1022 hsv//eng
653		a ensemble classifiers
653		a random forests
653		a evidence theory
653		a Dempster-Shafer theory
653		a combination rules
653		a Technology
653		a Teknik
653		a Distribuerade realtidssystem (DRTS)
653		a Distributed Real-Time Systems
653		a Skövde Artificial Intelligence Lab (SAIL)
653		a Skövde Artificial Intelligence Lab (SAIL)
700	1	a Boström, Henriku Högskolan i Skövde,Institutionen för kommunikation och information,Forskningscentrum för Informationsteknologi,Skövde Cognition and Artificial Intelligence Lab (SCAI),Högskolan i Skövde, Institutionen för kommunikation och information4 aut0 (Swepub:kth)u1r0rr47
700	1	a Karlsson, Alexanderu Högskolan i Skövde,Institutionen för kommunikation och information,Forskningscentrum för Informationsteknologi,The Distributed Real-Time Systems Research Group,Högskolan i Skövde, Institutionen för kommunikation och information4 aut0 (Swepub:his)karx
710	2	a Högskolan i Skövdeb Institutionen för kommunikation och information4 org
773	0	t 2008 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systemsd : IEEEg , s. 614-619q <614-619z 9781424421442z 9781424421435
856	4 8	u https://urn.kb.se/resolve?urn=urn:nbn:se:his:diva-3627
856	4 8	u https://doi.org/10.1109/MFI.2008.4648012
856	4 8	u https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-221514

Hitta via bibliotek

2008 IEEE International Conference on Multisensor Fusion and Integration for Int... (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Johansson, Ronni ...; Boström, Henrik; Karlsson, Alexan ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datavetenskap

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Systemvetenskap ...

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...

Artiklar i publikationen: 2008 IEEE Intern ...

Av lärosätet: Högskolan i Skövde; Kungliga Tekniska Högskolan

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se