-
题名结合可信度和DS证据理论的ECOC多类分类研究
- 1
-
-
作者
罗玺
罗红
周进登
雷蕾
-
机构
空军工程大学电讯工程学院
空军工程大学导弹学院
-
出处
《科学技术与工程》
北大核心
2012年第22期5502-5508,共7页
-
基金
陕西省自然科学基础研究基金(2010JM8004)资助
-
文摘
针对多类目标识别问题,利用三符号纠错输出编码作为将多类分解为若干个二类问题的结构框架,用改进的证据理论作为融合策略,将每一个二分器的输出作为证据之一进行融合;同时对分类器的可信度进行估计,并将得到的信任度量值融入证据中,从而提高多类分类的正确率。实验中分别对UCI数据集和三种一维距离像数据集进行测试,结果表明本文提出的基于分类器可信度的多类目标识别方法能有效地提高复杂环境下多传感器目标识别的正确率。
-
关键词
多类分类
ECOC
DS证据理论
分类器可信度
一维距离像
-
Keywords
ternary ECOC I）S evidence theory classifiers＇ confidence target recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名结合ECOC与DS证据理论的多目标识别研究
- 2
-
-
作者
雷蕾
王晓丹
周进登
-
机构
空军工程大学导弹学院计算机工程系
-
出处
《计算机科学》
CSCD
北大核心
2012年第12期245-248,共4页
-
基金
国家自然科学基金(60975026)资助
-
文摘
针对目标识别中多类分类的难点问题,提出了一种C-DSECOC多目标识别方法。该方法采用二符号纠错输出编码(binary Error-Correcting Output Codes)作为分解框架,采用DS证据理论作为解码策略,并结合ECOC结构特点对传统的DS证据理论进行重新构造。在确定DS基本概率赋函数值时引入损失函数,使BPA的获取除与二分器的输出有关外,还由其对不同类别样本的正确分类能力决定,从而提高ECOC集成的分类性能和泛化性能。实验中分别对UCI数据集和3种一维距离像数据集进行测试。结果表明,提出的C-DSECOC方法能有效地提高多类目标识别的正确率。
-
关键词
纠错输出编码
DS证据理论
分类器可信度
损失函数
-
Keywords
Binary ECOC
DS evidence theory
Classifiers＇ confidence
Loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
