哈坎·阿尔丁萨伊 关于Dempster-Shafer理论中组合分类器提供统计证据的独立性要求。 （英语） Zbl 1189.62103号 申请。智力。 25，第1期，73-90（2006）. 摘要：在分类器组合中，分配给不同假设的信念的相对值比代表联合观测空间的组合信念函数的准确估计更重要。因此，应该从分类器组合的角度检查Dempster规则中的独立性要求。在本研究中，研究了当使用Dempster的组合规则时，是否存在一组相关分类器能够提供比独立分类器更好的组合精度。对统计证据的三种不同表示进行的分析表明，与独立分类器相比，使用Dempster规则的相关分类器组合可以提供更好的组合精度。 引用于2文件 MSC公司： 62H30型 分类和歧视；聚类分析（统计方面） 62A01型 统计学基础和哲学主题 68T05型 人工智能中的学习和自适应系统 关键词：邓普斯特组合规则；Dempster-Shafer理论；独立分类器；从属分类器；分类器组合；模式分类 PDF格式BibTeX公司 XML格式引用 \textit{H.Altñnçay}，应用。智力。25，第1号，73--90（2006；Zbl 1189.62103） 全文： 内政部 参考文献： [1] Shafer G（1976）《证据的数学理论》。普林斯顿大学出版社·Zbl 0359.62002号 [2] Xu L，Krzyzak A，Suen CY（1992）组合多分类器的方法及其在手写识别中的应用。IEEE Trans-Syst，人与控制论22:418–435·数字对象标识代码：10.1109/21.155943 [3] Al-Ani A，Deriche M（2002）使用Dempster-Shafer证据理论组合多个分类器的新技术。《艺术情报研究杂志》17:333–361·Zbl 1045.68114号 [4] Borotschnig H，Paletta L，Prantl M，Pinz A（1999）主动目标识别概率、可能性和证据理论融合方案的比较。计算，Springer-Verlag 62:293–319·Zbl 0938.68892号 [5] Dempster AP（1967）由多值映射引起的上概率和下概率。《数理统计年鉴》38（2）：325–339·Zbl 0168.17501号 ·doi:10.1214/网址/1177798950 [6] 刘伟，洪J（2000）重新考察邓普斯特的证据组合思想。知识和信息系统2（2）：223-241·Zbl 1002.68606号 ·doi:10.1007/s101150050012 [7] Halpern JY，Fagin R（1992）信念的两种观点：作为广义概率的信念和作为证据的信念。艺术情报54:275–317·Zbl 0762.68055号 ·doi:10.1016/0004-3702（92）90048-3 [8] Cattaneo MEGV（2003年），结合来自相关来源的信念函数。附：瑞士卢加诺第三届不精确概率及其应用国际研讨会论文集 [9] Raymond Ng，Subrahmanian VS（1993）概率逻辑编程。信息与计算101（2）：150–201·Zbl 0781.68038号 [10] Dekhtyar A，Subrahmanian VS（2000）混合概率计划。逻辑编程杂志43:187–250·Zbl 0955.68020号 ·doi:10.1016/S0743-1066（99）00059-X [11] 刘伟，邦迪A（1992）使用关联演算组合不同的证据。爱丁堡大学人工智能系技术代表RP 599，第1-60页 [12] Voorbraak F（1991）关于Dempster合并规则的正当性。艺术情报48:171–197·Zbl 1117.68496号 ·doi:10.1016/0004-3702（91）90060-W [13] Breiman L（1996）Bagging预测因子。机器学习24:123–140·Zbl 0858.68080号 [14] Schapire RE（2002）机器学习的增强方法：概述。MSRI非线性估计和分类研讨会，加州伯克利 [15] Franccois J、Grandvalet Y、Denaeux T、Roger JM（2003）《重新采样和合并：改进证据模式分类中不确定性表示的方法》。信息融合4:75–85·doi:10.1016/S1566-2535（03）00005-8 [16] Lefevre E，Colot O，Vannoorenberge P（2002），信仰功能组合与冲突管理。信息融合3:149–162·doi:10.1016/S1566-2535（02）00053-2 [17] Demirekler M，Altinccay H（2002），基于多元投票的多分类器系统：与相关分类器集在统计上独立。模式识别35（11）：2365–2379·Zbl 1006.68926号 ·doi:10.1016/S0031-3203（01）00227-8 [18] Bhattacharya P（2000）关于Dempster-Shafer证据理论和信念结构的非等级聚合。IEEE系统人与控制论汇刊30（5）：526–536·doi:10.1109/3468.867860 [19] Fung RM，Chong CY（1986），证据推理中的元概率和Dempster-Shafer。在L.N.Kanal和J.F.Lemmer，编辑，《人工智能的不确定性》，爱思唯尔科学出版社。第295-303页 [20] Shafer G，Logan R（1987）对等级证据实施Dempster规则。艺术情报33:271–298·Zbl 0633.68093号 ·doi:10.1016/0004-3702（87）90040-3 [21] Smets P，Kennes R（1994）可转移信念模型。艺术情报66:191–234·Zbl 0807.68087号 ·doi:10.1016/0004-3702（94）90026-4 [22] Hegarat-Mascle SL，Bloch I，Vidal-Madjar D（1998）证据理论中的邻域信息介绍以及在雷达和光学图像数据融合中的应用，部分云层覆盖。《Patt Recogn》31（11）：1811–1823·doi:10.1016/S0031-3203（98）00051-X [23] Theodoridis S，Koutroumbas K（1999）模式识别。学术出版社·Zbl 1093.68103号 [24] Luenberger DG（1973）线性和非线性规划导论。Addison-Wesley出版社。公司·Zbl 0297.90044号 [25] Duda RO、Hart PE、Stork DG（2000）模式分类。约翰·威利父子公司 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。