Rangowa klasyfikacja obiektów za pomocą kul w różnych normach

• Autorzy: Topczewska. M.

Warianty tytułu

EN

Ranked classification of data using bounding spheres in different norms

• Języki publikacji: PL

Abstrakty

PL

Mając dany zbiór uczący, który zawiera obiekty należące do dwóch lub większej liczby klas, można zbudoważ najmniejsze kule otaczające obiekty z wybranej klasy rozwiązując zadanie programowania kwadratowego. Ze względu na to, że najmniejsze kule są konstruowane oddzielnie dla każdej klasy, problem może być w prosty sposób rozszerzony do przypadków wieloklasowych. W pracy przedstawiamy propozycje klasyfikatorów opartych na kulach w normie euklidesowej oraz w normie l1. Przedstawione eksperymenty zostały przeprowadzone tak na syntetycznych jak i rzeczywistych zbiorach danych.

EN

If a training set containing objects from two or more classes is given, minimum bounding spheres enclosing objects belonging to a marked class can be built by solving a quadratic programming task. Because the minimum spheres are constructed separately for each class the problem can be easily extended to the multi-class cases. In the paper classifiers both in l1 and l2 norms are proposed. Experiments were performed on artificial and on real data sets.

Słowa kluczowe

PL

klasyfikacja; kule; metody nieliniowe

EN

classification; spheres; nonlinear methods

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Zeszyty Naukowe Politechniki Białostockiej. Informatyka
• Rocznik: 2008
• Tom: Z. 3
• Strony: 145--158
• Opis fizyczny: Bibliogr. 8 poz., il., rys., wykr.

Twórcy

autor

Topczewska. M.

• Politechnika Białostocka, Wydział Informatyki, Białystok

Bibliografia

• [1] Bobrowski, L.: Ranked Patterns and Structural Linearization of Data Sets, In Poster Proceedings: Petra Perner (Ed.), Industrial Conference on Data Mining, ICDM 2006, IBaI CD-Report, ISSN 1617-2671, July 2006, pp. 30-36.
• [2] Duda, O.R., Heart, P.E., Stork, D.G.: Pattern Classification, Wydanie drugie, zmienione, John Wiley & Sons, 2001.
• [3] M. Marchand, M., Shawe-Taylor, J.: The set covering machine, Journal of Machine Research, 3, pp. 723-746, 2002.
• [4] Reilly, D.L., Cooper, L.N., Elbaum, C.: A neural model for category learning, Biological Cybernetics, 45, pp. 35-41, 1982.
• [5] Scofield, C.L., Reilly, D.L., Elbaum, C., Cooper, L.N.: Pattern class degeneracy in an unrestricted storage density memory. In Anderson, D.Z., ed.: Neural Information Processing Systems. American Institute of Physics, Denver, CO, pp. 674- 682, 1987.
• [6] Tax, D.M.J., Duin, R.P.W.: Support vector domain description, Pattern Recognition Letters, vol. 20, no. 11-13, pp. 1191-1199, 1999.
• [7] Wang, J., Neskovic, P., Cooper, L. N.: Pattern classification via single spheres. Lecture Notes in Computer Science: Discovery Science (DS), A. Hoffmann, H. Motoda, and T. Scheffer (Eds.), Springer-Verlag, Vol. 3735. pp. 241-252, 2005.
• [8] Johnson, R. A., Wichern, D. W.: Applied Multivariate Statistical Analysis, Prentice-Hall, Inc., Englewood Cliffs, New York, 1991.