Wyniki wyszukiwania - BazTech

1

Dynamical ensemble selection - experimental analysis on homogenous pool of classifiers

Baczyńska P., Burduk R.

Journal of Medical Informatics & Technologies

|

2015

|

Vol. 24

107--112

EN

The paper presents the dynamic ensemble selection based on the analysis of the decision proﬁles. These proﬁles are obtained from a posteriori probability functions returned from the base classifiers during the training process. Presented in the paper dynamic ensemble selection algorithms are dedicated to the binary classification task. In order to verify these algorithms, a number of experiments have been carried out on several medical data sets. The proposed dynamic ensemble selection is experimentally compared against the ensemble with the sum fusion method. As base classifiers we used the pool of homogeneous classifiers. The obtained results are promising because we could improve the classification accuracy of the ensemble classifier.

2

The proposal of calculation classifier weights for an assembly of classifiers

Burduk R.

Journal of Medical Informatics & Technologies

|

2014

|

Vol. 23

181--186

EN

The selection of classifiers is one of the important problems in the creation of ensemble of classifiers. The paper presents the static selection in which a new method of calculating the weights of individual classifiers is used. The obtained weights can be interpreted in the context of the interval logic. It means that the particular weights will not be provided precisely but their lower and upper values will be used. A number of experiments have been carried out on several medical data sets.

3

Wykorzystanie algorytmów klasyfikacji i fuzji informacji w procesie rozpoznawania obiektów morskich na podstawie obrazów FLIR

Pietkiewicz T., Witczak A.

Elektronika : konstrukcje, technologie, zastosowania

|

2013

|

Vol. 54, nr 3

25-29

PL

W referacie dokonano przeglądu algorytmów klasyfikacji i fuzji informacji na podstawie obrazów obiektów morskich wykonanych przez sensory podczerwieni (FLIR - Forward Looking Infra-Red), które umożliwiają identyfikację tych obiektów. Ostatecznym celem analizy obrazów jest identyfikacja obiektów morskich, polegająca na rozpoznaniu ich typu oraz ewentualnie określenie ich przynależności. W pierwszej części referatu omówiono trzy metody ekstrakcji cech dystynktywnych obrazów FLIR obiektów morskich: metodę Parka i Sklansky'ego 11 atrybutów obrazów (7 momentów strukturalnych i 4 parametry autoregresji), metoda Allena 14 atrybutów obrazów w postaci 7 momentów strukturalnych i 7 momentów luminancyjnych oraz metodę Belongiego deskryptorów kształtów. W dalszej części referatu przedstawiono konstrukcje trzech klasyfikatorów bazujących na poszczególnych typach ekstrakcji cech obrazów: Dempstera-Shafera, addytywny klasyfikator Bayesa oraz klasyfikator bazujący na deskryptorach kształtu. Wyniki uzyskiwane za pomocą tych klasyfikatorów mogą stanowić bazę procesu fuzji decyzji klasyfikatorów. Podstawowym pytaniem, na które należy znaleźć odpowiedź podczas badań fuzji decyzji klasyfikatorów, jest to, czy fuzja decyzji klasyfikatorów poprawia jakość decyzji najlepszego klasyfikatora. W końcowym fragmencie przedstawiono konstrukcję dwóch algorytmów fuzji decyzji klasyfikatorów: zmodyfikowanej reguły Bayesa oraz reguły kombinacji Dempstera-Shafera. Jakość działania obu algorytmów zilustrowano przykładem zaczerpniętym z literatury przedmiotu i bazującym na ocenie jakości fuzji decyzji rozpoznawania obiektów morskich na podstawie bazy 2545 obrazów FLIR zgromadzonych w Centrum Operacji Powietrznych Marynarki Wojennej USA.

EN

This paper presents an overview of classification and information fusion algorithms based on FLIR (forward looking infrared) images of maritime objects. A maritime object identification is the final goal of FLIR image analysis and relies on its type recognition and its standard identity assigning. In the first part of the paper three extraction methods of maritime objects distinctive features based on their FLIR images: a Park and Sklansky method based on seven invariant moments and four autoregressive parameters, an Allen method based on seven structural moments and seven intensity-based moments and finally a Belongie shape-matching method. In next part of the paper three classifiers are presented: a Dempster-Shaffer classifier, an additive Bayes classifier and a template-based Belongie classifier. Decisions of this classifiers are fused in two ways: using a modified Bayes rule and using a Dempster-Shafer combining rule. Fusion results are presented in P. Valin, E. Bosse and A. Jouan technical report. The results are based on 2545 FLIR images provided by the United States Naval Air Warfare Center.