×
纪世浩;劳伦斯·卡林

成本敏感的特征获取和分类。 （英语） Zbl 1113.68085号

模式识别 40，第5期，1474-1485（2007）.
概述：有许多传感挑战，必须平衡给定测量的有效性和相关的传感成本。例如，在进行诊断时，医生必须平衡给定测试（测量）的成本和收益，而停止检测（停止执行测试）的决定必须考虑到基于观察数据的给定诊断对患者和医生的风险（医疗事故）。这激发了成本敏感的分类问题，其中特征（感测结果）不是先验给定的；该算法确定下一步要获取的特征，以及何时停止检测并根据之前的观察结果做出分类决策（考虑各种类型错误的代价以及正确的回报）。我们形式化地定义了成本敏感分类问题，并通过部分可观测马尔可夫决策过程（POMDP）解决了该问题。虽然POMDP构成了一个直观的吸引人的公式，但分类任务的固有属性阻碍了它应用于这个问题。我们通过近视方法规避POMDP的困难，使用与标准POMDP关联的自适应停止标准。近视算法在计算上是可行的，容易处理连续的特征，并且无缝地避免重复动作。用几个基准数据集进行的实验表明，该方法产生了最先进的性能，重要的是，我们的方法只使用了竞争方法中通常使用的一小部分特征。

引用于7文件

MSC公司：

68吨10 模式识别、语音识别

关键词：

成本敏感分类;部分可观测马尔可夫决策过程;隐马尔可夫模型;变分贝叶斯
PDF格式BibTeX公司 XML格式引用
\textit{S.Ji}和\textit{L.Carin}，模式识别40，第5期，1474--1485（2007；Zbl 1113.68085）
全文： 内政部

参考文献：

[1] 格雷纳，R。；格罗夫，A。；Roth，D.，《学习主动分类器》（第十三届机器学习国际会议论文集（1996））
[2] Turny，P.D.，《成本敏感分类：混合遗传决策树归纳算法的实证评估》，J.Artif。智力。第2369-409号决议（1995年）
[3] A.Y.Ng，M.I.Jordan，《区分性分类器与生成性分类器：逻辑回归与朴素贝叶斯的比较》，载《神经信息处理系统进展论文集》，第14卷。；A.Y.Ng，M.I.Jordan，《区分性分类器与生成性分类器：逻辑回归与朴素贝叶斯的比较》，载《神经信息处理系统进展论文集》，第14卷。
[4] Kaelbling，L.P。；利特曼，M.L。；Cassandra，A.R.，部分可观测随机域中的规划和行动，人工制品。智力。，101, 99-134 (1998) ·Zbl 0908.68165号
[5] 佩德森，L。；瓦格纳，M。；阿波斯托洛波洛斯，D。；Whittaker，W.，《南极自动机器人陨石识别》（IEEE机器人与自动化国际会议（2001年））
[6] 郭，A.，《自主智能体的决策论主动感知》，（第二届自主智能体与多智能体系统国际联合会议论文集（2003））
[7] Rabiner，L.R.，语音识别中隐藏马尔可夫模型和选定应用的教程，IEEE学报，77，257-286（1989）
[8] 杜宾，R。；Eddy，S。；Krogh，A。；Mitchison，G.，《生物序列分析：蛋白质和核酸的概率模型》（1998），剑桥大学出版社：剑桥大学出版社·Zbl 0929.92010号
[9] Y.本吉奥。；Frasconi，P.，《输入/输出HMM体系结构》（神经信息处理系统进展论文集，第7卷（1995））
[10] D.MacKay，隐马尔可夫模型的集成学习，技术报告，剑桥大学物理系，1997年。；D.MacKay，隐马尔可夫模型的集成学习，技术报告，剑桥大学物理系，1997年。
[11] 季S。；Krishnapuram，B。；Carin，L.，连续隐马尔可夫模型的变分贝叶斯及其在主动学习中的应用，IEEE Trans。模式分析。机器。智力。，28, 522-532 (2006)
[12] Turney，P.D.，归纳学习中的成本类型，（第17届ICML成本敏感学习研讨会（1996）），15-21
[13] Pineau，J。；戈登·G。；Thrun，S.，POMDPS的基于点的值迭代算法，（《国际人工智能联合会议论文集》，国际人工智能联席会议论文集，墨西哥阿卡普尔科（2003））·Zbl 1182.68262号
[14] Hauskrecht，M.，部分可观测马尔可夫决策过程的值函数近似，J.Artif。智力。决议，13，33-94（2000）·Zbl 0946.68131号
[15] Papadimitriou，C。；Tsitsiklis，J.，马尔可夫决策过程的复杂性，数学。操作。研究，12，3，441-450（1987）·Zbl 0638.90099号
[16] Bishop，C.M.，《模式识别的神经网络》（1995），牛津大学出版社：牛津大学出版社
[17] Seeger，M.，支持向量机的贝叶斯模型选择，（神经信息处理系统进展论文集，第12卷（2000）），603-609
[18] 库斯，M。；Rasmussen，C.E.，评估高斯过程分类的近似值，（神经信息处理系统进展论文集，第18卷（2006））
[19] 自动知识挖掘器，基准数据集的报告，\（\langle；\）http://www.auknomi.com/reports.html\（\rangle；\）；自动知识挖掘器，基准数据集的报告，\（\langle；\）http://www.auknomi.com/reports.html\（\rangle；\）
[20] Li，F。；Yang，Y。；Xing，E.，《从套索回归到特征向量机》，（神经信息处理系统进展论文集，第18卷（2006））
[21] Siddiqi，S。；Moore，A.，《大型状态空间HMM中的快速推理和学习》，（第22届机器学习国际会议论文集（2005））
[22] Dempster，A。；莱尔德，N。；Rubin，D.，通过EM算法从不完整数据中获得最大似然，J.Roy。Stat.Soc.B，39，1-38（1977年）·Zbl 0364.62022号
[23] Attias，H.，图形模型的变分贝叶斯框架，（《神经信息处理系统进展汇编》，第12卷（2000））
[24] Chickering，D.M。；Heckerman，D.，具有隐藏变量的贝叶斯网络边际似然的有效近似，Mach。学习。，29, 2-3, 181-212 (1997) ·Zbl 0894.68124号
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。