지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2010.6
- 수록면
- 1,555 - 1,558 (4page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
The generalization performance of an ensemble classifier depends on diversity between member classifiers as well as performance of each member. However, the existing methods are focused on error minimization of each step through repetition process and they can not suggest a method to add diversity. AdaBoost algorithm is the representative regression ensemble method to make a strong classifier using weak classifiers.
In this paper, we suggest the new algorithm, Diverse AdaBoost algorithm, that it can improve performance of the final mixed classifier with adding diversity into the AdaBoost algorithm.
In the existing algorithm, it uses a method that it selects a weak classifier to minimize error in repetition training process and includes it as a member of a mixed classifier, while it generates a mixed classifier with totally high performance through adding diversity as sacrificing accuracy of a weak classifier in suggested algorithm. The proposed algorithm suggests a specific method to consider diversity in a mixed classifier design.
In this paper, we suggest the new algorithm, Diverse AdaBoost algorithm, that it can improve performance of the final mixed classifier with adding diversity into the AdaBoost algorithm.
In the existing algorithm, it uses a method that it selects a weak classifier to minimize error in repetition training process and includes it as a member of a mixed classifier, while it generates a mixed classifier with totally high performance through adding diversity as sacrificing accuracy of a weak classifier in suggested algorithm. The proposed algorithm suggests a specific method to consider diversity in a mixed classifier design.
목차
Abstract
Ⅰ. 서론
Ⅱ. 혼합분류기와 다양성
Ⅲ. 실험 결과
Ⅳ. 결론
감사의 글
참고문헌
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
다양성 기반 AdaBoost 분류기
대한전자공학회 학술대회
2010 .06
-
혼합 약한 분류기를 이용한 AdaBoost 알고리즘의 성능 개선 방법
제어로봇시스템학회 논문지
2009 .05
-
An Improvement of AdaBoost using Boundary Classifier
한국지능시스템학회 논문지
2013 .04
-
Classifier 성능과 데이터 성질 ( Classifier Performance and Data Characteristics )
한국지능정보시스템학회 학술대회논문집
1996 .11
-
이중 Adaboost Classifier를 이용한 눈 영역 검출 시스템
한국정보과학회 학술발표논문집
2009 .06
-
차량 이미지 분류기 학습을 위한 샘플 자동 선택 기법
대한전자공학회 학술대회
2015 .06
-
Real -Time Face Detection Using AdaBoot Algorithm
제어로봇시스템학회 국제학술대회 논문집
2008 .10
-
인식기 간의 상호정보를 이용한 인식기 선택
정보과학회논문지 : 컴퓨팅의 실제 및 레터
2008 .05
-
A Method for the Pattern Classifier with an Self Controlled Similarity Algorithm
ICONIP : International Conference On Neural Information Processing
1994 .01
-
Finding a sub-optimal combination of the binary classifiers for multi-class classification problems
대한전자공학회 기타 간행물
2010 .02
-
Finding a sub-optimal combination of the binary classifiers for multi-class classification problems
대한전자공학회 기타 간행물
2010 .02
-
Performance Improvement in complex environment Based on Ensemble Learning Algorithm By Combining 2D DNF Weak Classifier
제어로봇시스템학회 국제학술대회 논문집
2014 .10
-
Application of Multi-Valued AdaBoost to Control of Autonomous Mobile Robot
제어로봇시스템학회 국제학술대회 논문집
2009 .08
-
인식기 간의 상호정보를 이용한 인식기 선택 방법
한국정보과학회 학술발표논문집
2007 .06
-
특징 순서 재배열을 통한 선형 분류기 최적화 알고리즘
대한전자공학회 학술대회
2010 .06
-
다중 분류 시스템을 이용한 가전기기 식별 알고리즘
대한임베디드공학회논문지
2015 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2010-569-003173187