Geri Dön

Classifier combination methods in pattern recognition

Örüntü tanımada sınıflandırıcı birleştirme yöntemleri

  1. Tez No: 129433
  2. Yazar: ALPER BAYKUT
  3. Danışmanlar: PROF. DR. GÜLAY BARBAROSOĞLU, PROF. DR. AYTÜL ERÇİL
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2002
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 118

Özet

Bu tezde sınıflandırma doğruluğunun arttırılması amacıyla, sınıflandırıcı kararlarının birleştirilmesinin methodları üzerinde çalışılmıştır. Bu çalışmada çeşitli sınıflandırıcılar, eğitim metodları ve birleştirme yöntemleri üzerinde durulmuştur. Sınıflandırıcı birleştirme yöntemlerini daha etkin kılmak için kullanılan tüm sınırlandırıcıların sınıf sonuçlarının yanında olasılık değerleri de üretmeleri için çeşitli değişiklikler yapılmıştır. Tüm sınflandırıcı ve birleştirme yöntemleri bütünleşik bir yazılım yapısı altında gerçeklenmiştir. Her seferinde bir adet verinin dışarıda bırakıldığı eğitim metoduyla eğitilen sınırlandırıcıların sonuçlan, önerilen ağırlıklı birleştirme yöntemleri ile birleştirilmiştir. Birleştirme ağırlıkları sınıflandırıcının eğitim seti üzerindeki performansına göre belirlenmiştir. Sınırlandırıcı ve birleştirme yöntemleri, klasik ve önerilen yeni performans ölçütleri ile değerlendirilmiştir. Sınıflandırıcıların güvenilirliklerinin birleştimede kullanılmasının performansı arttırdığı gözlemlenmiştir. Sınıflandırıcı kümesinin, sınırlandırıcılara duyarlılık analizi sonucunda, önerilen çok terimli ağırlık atama metodunun uygulandığı olasılık tabanlı birleştirme yönteminin sınırlandırıcı setindeki sınırlandırıcılara göre oldukça gürbüz olduğu bulunmuştur. Aynı analiz sonucunda sette bulunan en yüksek performanslı sınırlandırıcıdan yüzde bir ila üç arasında daha iyi performans gözlemlenmiştir.

Özet (Çeviri)

This thesis studies methodologies to combine multiple classifiers to improve classification accuracy. Different classifiers, training methods and combination algorithms are covered throughout this study. The classifiers are extended to produce class probability estimates besides their class assignments to be able to combine them more efficiently. They are integrated in a framework to provide a toolbox for classifier combination. The leave-one-out training method is used and the results are combined using proposed weighted combination algorithms. The weights of the classifiers for the weighted classifier combination are determined based on the performance of the classifiers on the training phase. The classifiers and combination algorithms are evaluated using classical and proposed performance measures. It is found that the integration of the proposed reliability measure, improves the performance of classification. A sensitivity analysis shows that the proposed polynomial weight assignment applied with probability based combination is robust to choose classifiers for the classifier set and indicates a typical one to three per cent consistent improvement compared to a single best classifier of the same set.

Benzer Tezler

  1. Örüntü tanımada altuzay metriklerinin birleştirilmesi

    Combining with the subspace metrics on pattern recognition

    ŞÜKRAN KÜNKÇÜ

    Doktora

    Türkçe

    Türkçe

    2008

    Bilim ve TeknolojiEskişehir Osmangazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATALAY BARKANA

  2. Sınıf içi ve sınıflar arası dağılımlardan elde edilen ölçütlerin birleştirilerek fonem tanımada kullanılması

    Combining criteria obtained from within and between class scatters for phoneme recognition

    MEHMET KOÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. RİFAT EDİZKAN

  3. Improving the performance of speaker identification systems by classifier combination techniques

    Konuşmacı tanıma sistemlerinin başarımının sınıflandırıcı birleştirme yöntemleri ile iyileştirilmesi

    HAKAN ALTINÇAY

    Doktora

    İngilizce

    İngilizce

    2000

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

  4. A Unifying theory for rank-based multiple classifier systems, with applications in speaker identification and speech recognition

    Sıralama temelli çoğul sınıflayıcılı sistemler için bütünleştirici bir kuram ve otomatik konuşmacı ve konuşma tanıma uygulamaları

    AFŞAR SARANLI

    Doktora

    İngilizce

    İngilizce

    2000

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜBECCEL DEMİREKLER

  5. Reducing learning complexity in multi-view classification models

    Çok bakışlı sınıflandırma modellerinde öğrenme karmaşıklığının azaltımı

    HEYSEM KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    YRD. DOÇ. DR. OLCAY KURŞUN