Abstraction, Aggregation and Recursion for Accurate and Simple Classifiers - Couverture souple

Kang, Dae-Ki

Couverture souple

ISBN 10 : 3639069765 ISBN 13 : 9783639069761

Editeur : VDM Verlag Dr. Mueller E.K., 2008

Synopsis

Dans un scénario d'apprentissage inductif typique, les instances d'un ensemble de données sont simplement représentées comme des tuples ordonnés de valeurs d'attribut. Dans mes recherches, j'explore trois méthodologies pour améliorer la précision et la compacité des classificateurs : l'abstraction, l'agrégation et la récursion. Tout d'abord, l'abstraction vise la conception et l'analyse d'algorithmes qui génèrent et traitent des taxonomies pour la construction de classificateurs compacts et robustes. Deuxièmement, j'applique la méthode d'agrégation pour inventer de manière constructive des entités dans une représentation multiset pour les tâches de classification. Enfin, je construis un ensemble de classificateurs par application récursive d'algorithmes d'apprentissage faibles. Les résultats expérimentaux sur divers ensembles de données de référence indiquent que les méthodologies proposées sont utiles pour construire des classificateurs plus simples et plus précis.

Détails de l'édition

• Éditeur: VDM Verlag Dr. Mueller E.K.
• Date d'édition: 2008
• Langue: anglais
• ISBN 10: 3639069765
• ISBN 13: 9783639069761
• Reliure: Broché
• Nombre de pages: 144
• Coordonnées du fabricant: non disponible
• Personne responsable: non disponible