×
李华雄;张立波;周贤忠;黄兵

使用深度神经网络的成本敏感序贯三方决策建模。 （英语） Zbl 1419.68078号

国际J近似推理 85, 68-78 (2017)。
摘要：三向决策模型在近似推理和决策领域得到了广泛的研究。最近，序列3WD模型引起了越来越多的兴趣，特别是在图像数据分析方面。在基于3WD的序列图像数据分析中，选择合适的特征提取和粒化方法至关重要。在现有的特征提取方法中，深度神经网络（DNN）由于其强大的表示能力而受到广泛的关注。然而，几个重要问题影响了基于DNN的特征提取方法在序列3WD中的应用。首先，DNN需要很长时间才能获得最佳的特征表示。其次，大多数DNN算法都是成本盲法，它们假设所有错误分类的成本都是相同的，而实际情况并非如此。第三，DNN算法是双向决策模型，如果没有足够的信息，则无法提供边界决策。为了解决这些问题，我们提出了一种基于DNN的序列粒度特征提取方法，该方法从输入图像中连续提取层次粒度结构。基于序列多级粒度特征，提出了一种代价敏感的序列3WD策略，该策略考虑了不同决策阶段的误分类代价和测试代价。我们的实验分析验证了所提出的基于序列DNN的3WD特征提取方法的有效性。

引用于52文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

成本敏感型学习;深度神经网络;粒度计算;三方决策

软件：

达奇;CMU项目
PDF格式BibTeX公司 XML格式引用
\textit｛H.Li｝et al.，Int.J.近似推理85，68–78（2017；Zbl 1419.68078）
全文： 内政部

参考文献：

[1] Bengio，Y.，《学习人工智能的深层架构》，Found。趋势马赫数。学习。，2, 1, 1-127 (2009) ·Zbl 1192.68503号
[2] Y.本吉奥。；科尔维尔，A.C。；Vincent，P.，《表征学习：回顾与新视角》，IEEE Trans。模式分析。机器。智力。，35, 8, 1798-1828 (2013)
[3] 卡维察，F。；Ciucci，D。；Locoro，A.，《利用三方决策理论开发集体知识：基于问卷的研究案例》，《国际期刊近似推理》。，83356-370（2017）·Zbl 1404.68156号
[4] Ciresan，D。；美国迈尔。；Schmidhuber，J.，用于图像分类的多列深度神经网络，（第25届CVPR会议论文集（2012）），3642-3649
[5] Ciucci，D。；Dubois，D.，三值逻辑之间的依赖映射，Inf.Sci。，250, 162-177 (2013) ·Zbl 1321.03037号
[6] Ciucci，D。；Dubois，D.，《三值逻辑、不确定性管理和粗糙集》，Trans。粗糙集，17，1-32（2014）·Zbl 1404.68159号
[7] Ciucci，D。；Dubois，D。；Lawry，J.，《边界与未知：比较不完全信息的三值表示法》，《国际期刊近似原因》。，55, 9, 1866-1889 (2014) ·Zbl 1433.03063号
[8] 丁·S。；朱，H。；贾伟。；Su，C.，模式识别特征提取综述，Artif。智力。修订版，37、3、169-180（2012）
[9] 辛顿，G.E。；Salakhutdinov，R.R.，《用神经网络降低数据的维数》，《科学》，3135786504-507（2006）·Zbl 1226.68083号
[10] 黄，B。；Chun，X.G。；Yu，L.Z。；李海霞。；周小中，直觉模糊多粒度粗糙集，信息科学。，277, 299-320 (2014) ·Zbl 1354.03076号
[11] 黄，B。；郭春霞。；李海霞。；冯，G.F。；周，X.Z.，直觉模糊近似空间的层次结构和不确定性测度，信息科学。，336, 92-114 (2016) ·Zbl 1394.68384号
[12] 黄，B。；庄Y.X。；李海霞，区间值直觉模糊信息系统中的信息粒化和不确定性测度，欧洲期刊。第231号决议、第162-170号决议（2013年）·Zbl 1317.68242号
[13] 贾晓云。；唐，Z.M。；Liao，W.H。；Shang，L.，关于决策理论粗糙集模型的优化表示，Int.J.Approximate Reason。，55, 156-166 (2014) ·Zbl 1316.68179号
[14] 贾晓云。；郑凯。；Li，W.W。；Liu，T.T。；Shang，L.，《过滤垃圾邮件的三种决策解决方案：实证研究》，（第七届RSCTC会议记录，第七届RS CTC会议录，LNCS，第7413卷（2012），Springer），287-296
[15] Ju，H.R。；李海霞。；杨晓波（Yang，X.B.）。；周，X.Z。；Bing，H.，《成本敏感粗糙集：多粒度方法》，Knowl-基于系统。（2017），出版中
[16] Ju，H.R。；杨晓波（Yang，X.B.）。；Yu，H.L。；Li，T.J.，成本敏感粗糙集方法，信息科学。，355-356, 282-298 (2016) ·Zbl 1427.68315号
[17] LeCun，Y。；Boser，B.E。；Denker，J.S。；亨德森·D·。；霍华德·R·E。；Hubbard，W.E。；Jackel，L.D.，反向传播应用于手写邮政编码识别，神经计算。，1, 4, 541-551 (1989)
[18] Li，F。；Miao，D.Q。；Zhang，W.，具有标签依赖性的基于三向决策的多标签学习算法，（IJCSR.IJCSR，《计算机科学讲义》，第9920卷（2016），240-249
[19] 李海霞。；Wang，M.H。；周，X.Z。；赵建斌，从不完全信息表中学习规则的区间集模型，国际期刊近似推理。，53, 1, 24-37 (2012) ·Zbl 1242.68235号
[20] 李海霞。；张立波。；黄，B。；Zhou，X.Z.，成本敏感型人脸识别的序贯三元决策和粒化，Knowl-基于系统。，91, 241-251 (2016)
[21] 李海霞。；Zhou，X.Z.，基于决策理论粗糙集的风险决策：一个三视图决策模型，Int.J.Comput。智力。系统。，4, 1, 1-11 (2011)
[22] 李海霞。；周，X.Z。；黄，B。；Liu，D.，《成本敏感三方决策：序贯策略》，（《第八届皇家科学技术研讨会论文集》，第八届RSKT论文集，LNCS，第8171卷（2013），Springer），325-337
[23] 李海霞。；周，X.Z。；Zhao，J.B。；Liu，D.，决策论粗糙集中的非单调属性约简，Fundam。通知。，126, 4, 415-432 (2013) ·Zbl 1275.68147号
[24] Li，J.H。；黄，C.C。；齐俊杰。；Qian，Y.H。；刘伟强，通过多粒度的三向认知概念学习，信息科学。，378, 28-48 (2017)
[25] Li，J.H。；任，Y。；梅，C.L。；Qian，Y.H。；Yang，X.B.，《通过规则获取对多粒度粗糙集和概念格的比较研究》，Knowl-基于系统。，91, 152-164 (2016)
[26] 梁博士。；刘，D.，从直觉模糊决策理论粗糙集导出三方决策，信息科学。，300, 28-48 (2015) ·Zbl 1360.68841号
[27] Liang，D.C。；Liu，D.，犹豫模糊信息下基于决策理论粗糙集的风险决策，IEEE Trans。模糊系统。，23, 2, 237-247 (2015)
[28] 梁博士。；刘，D。；佩德里茨，W。；胡，P.，三角模糊决策理论粗糙集，国际J近似推理。，54, 8, 1087-1106 (2013) ·Zbl 1316.68183号
[29] 刘，D。；李·T·R。；Liang，D.C.，《动态决策理论粗糙集中的三方决策》（Proc.RSKT’13）。程序。RSKT’13，LNCS，第8171卷（2013），Springer），291-301
[30] 刘，D。；李·T·R。；Liang，D.C.，《将逻辑回归纳入分类的决策理论粗糙集》，《国际期刊近似原因》。，55, 197-210 (2014) ·Zbl 1316.68185号
[31] 刘，D。；李，T.R。；阮，D.，具有决策论粗糙集的概率模型准则，信息科学。，181, 17, 3709-3722 (2011)
[32] 刘，D。；李·T·R。；Zhang，J.B.，动态不完备信息系统中基于粗糙集的知识增量学习方法，国际期刊近似推理。，55, 8, 1764-1786 (2014) ·Zbl 1433.68449号
[33] 刘，D。；Liang，D。；Wang，C.，基于不完备信息系统的新型三方决策模型，Knowl-基于系统。，91, 32-45 (2016)
[34] 刘，D。；Liang，D.C。；Wang，C.C.，基于不完全信息系统的新型三方决策模型，Knowl-基于系统。，91, 32-45 (2016)
[35] 马修斯，A.P。；谢丽霞。；He，X.M.，《Senticap：用情感生成图像描述》（《第30届AAAI会议论文集》（2016）），第3574-3580页
[36] 最小值，F。；He，H.P。；Qian，Y.H。；Zhu，W.，测试敏感属性约简，信息科学。，1814928-4942（2011年）
[37] 最小值，F。；胡庆华。；朱伟，带测试成本约束的特征选择，国际期刊近似原因。，55, 1, 167-179 (2014) ·Zbl 1316.68117号
[38] Qian，Y.H。；梁，X.Y。；林，G.P。；郭，Q。；Liang，J.Y.，局部多粒度决策理论粗糙集，Int.J.近似推理。，82, 119-137 (2017) ·Zbl 1404.68172号
[39] Savchenko，A.V.，基于连续三向决策和粒度计算的分段规则对象的快速多类识别，Knowl-基于系统。，91, 252-262 (2016)
[40] 西姆·T。；贝克，S。；Bsat，M.，《CMU姿势、照明和表情数据库》，IEEE Trans。模式分析。机器。智力。，1615-1618年12月25日（2003年）
[41] 文森特，P。；拉罗谢尔，H。；Y.本吉奥。；Manzagol，P.-A.，《使用去噪自动编码器提取和组合鲁棒特征》，（ICML.IMCL，ACM国际会议论文集，第307卷（2008），ACM），1096-1103
[42] Wu，W.Z。；Qian，Y.H。；李·T·J。；Gu，S.M.，《不完全多尺度决策表中的规则获取》，《信息科学》。，378, 282-302 (2017) ·Zbl 1429.68300号
[43] Xu，W.H。；王庆瑞。；罗胜清，多粒度模糊粗糙集，J.Intell。模糊系统。，26, 3, 1323-1340 (2014) ·Zbl 1305.03052号
[44] Yao，J.T。；Azam，N.，基于Web的医疗决策支持系统，用于使用游戏理论粗糙集进行三方医疗决策，IEEE Trans。模糊系统。，23, 1, 3-15 (2015)
[45] Yao，Y.Y.，《三元决策：粗糙集理论中规则的解释》，（第四届皇家科学技术委员会会议记录，第四届RSKT会议记录，LNCS，第5589卷（2009），Springer），642-649
[46] Yao，Y.Y.，概率粗糙集的三向决策，信息科学。，180, 3, 341-353 (2010)
[47] Yao，Y.Y.，概率粗糙集模型中三方决策的优越性，信息科学。，181, 6, 1080-1096 (2011) ·Zbl 1211.68442号
[48] Yao，Y.Y.，《粒度计算和连续三方决策》，（第八届皇家科学技术委员会会议记录。第八届RSKT会议记录，LNCS，第8171卷（2013），Springer），16-27
[49] Yao，Y.Y.，《粗糙集与三元决策》，（RSKT.RSKT，LNCS，第9436卷（2015），Springer），第62-73页·兹比尔1444.68250
[50] Yao，Y.Y。；Deng，X.F.，概率粗糙集下的顺序三方决策，（第十届ICCI*CC（2011）会议录，IEEE），120-125
[51] Yu，H。；苏，T。；Zeng，X.H.，不完全数据的三向决策聚类算法，（第九届皇家科学技术研讨会论文集。第九届RSKT论文集，LNCS，第8818卷（2014），Springer），765-776·Zbl 1323.68451号
[52] Yu，H。；张，C。；Hu，F.，基于三方决策的增量聚类方法，（第九届RSCTC会议记录，第九届RS CTC会议录，LNCS，第8536卷（2014），Springer），152-159
[53] Yue，X.D。；Chen，Y.F。；苗博士。；钱，J.，稳健分类的三部分邻域覆盖约简，国际期刊近似推理。，83, 371-384 (2017) ·Zbl 1404.68125号
[54] 张海瑞。；Min，F.，基于随机森林的三向推荐系统，Knowl-基于系统。，91, 275-286 (2016)
[55] 张海瑞。；最小值，F。；Shi，B.，基于回归的三向推荐，信息科学。，378, 444-461 (2017)
[56] 张立波。；李海霞。；周，X.Z。；黄，B。；Shang，L.，面向人脸识别的成本敏感序贯三方决策，（第九届RSKT会议录。第九届RSAKT会议记，LNCS，第8537卷（2014），Springer），375-383
[57] Zhang，Y。；周振华，成本敏感人脸识别，IEEE Trans。模式分析。机器。智力。，32, 10, 1758-1769 (2010)
[58] 赵伟。；切拉帕，R。；Phillips，P.J。；Rosenfeld，A.，《面部识别：文献调查》，ACM Compute。调查。，35, 4, 399-458 (2003)
[59] 周，B。；姚明，Y.Y。；Luo，J.G.，电子邮件垃圾邮件过滤的三方决策方法，（《第23届加拿大人工智能会议论文集》，加拿大人工智能第23届会议论文集，LNCS，第6085卷（2010），Springer），28-39
[60] 邹伟业（Zou，W.Y.）。；Ng，A.Y.先生。；朱，S。；Yu，K.，通过视频中的模拟注视深度学习不变特征，（NIPS（2012）），3212-3220
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。