×
冈萨洛·萨丰;艾迪生·萨拉查;路易斯·维尔加拉

多分类器分数的多类α积分。 （英语） Zbl 1475.62192号

神经计算。 31,4号，806-825（2019）.
摘要：阿尔法积分方法已用于在检测（二进制分类）背景下集成随机模型和融合。我们的工作提出了分离分数集成（SSI），这是一种基于α积分的新方法，用于对自动分类中最常见的问题之一——多类分类问题中的分数进行软融合。通过理论推导，优化了该方法的参数，以达到最小均方误差（LMSE）或最小误差概率（MPE）。提出的α积分方法在几组模拟和实际数据上进行了测试。第一组实验使用合成数据来复制隐藏在噪声中的三种类型的超声脉冲的自动检测和分类问题（四类分类）。第二组实验分析了两个数据库（一个是公开的，另一个是私人的），其中包含睡眠障碍受试者的真实多导睡眠图记录。这些记录在清醒、快速眼动（REM）睡眠和非REM睡眠（三级分类）中自动分级。最后，在一个公开的单通道真实脑电图数据数据库上进行了第三组实验，该数据库包括五种情况下的癫痫患者和健康对照（五类分类）。在所有情况下，阿尔法积分都比所考虑的单个分类器和经典融合技术表现得更好。

理学硕士：

62H30型 分类和区分；聚类分析（统计方面）
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

二进制分类
PDF格式BibTeX公司 XML格式引用
\textit{G.Safont}等人，《神经计算》。31，第4号，806--825（2019；Zbl 1475.62192）
全文： 内政部 链接

参考文献：

[1] Abellán，J.和Mantas，C.（2014）。改进破产预测和信用评分分类器集成的实验研究。应用专家系统，41，3825-3830，
[2] Amari，S.（2007）。通过最小化α-散度集成随机模型。神经计算，192796-2780·Zbl 1138.6202号
[3] Amari，S.（2016）。信息几何及其应用。柏林：斯普林格·Zbl 1350.94001号
[4] Andrzejak，R.、Lehnertz，K.、Rieke，C.、Mormann，F.、David，P.和Elger，C.（2001）。脑电活动时间序列中非线性确定性和有限维结构的指示：依赖于记录区域和脑状态。物理评论E，64061907.1-061907.8，
[5] Choi，H.、Choi、S.和Choe，Y.（2013）。阿尔法积分的参数学习。神经计算，251585-1604·Zbl 1414.68047号
[6] Choi，H.、Choi、S.、Katake，A.和Choe，Y.（2010年）。学习α-与部分标记数据的集成。《IEEE声学、语音和信号处理国际会议论文集》（第2058-2061页）。新泽西州皮斯卡塔韦：IEEE。
[7] Eltoft，T.（2006）。超声图像振幅统计建模。IEEE医学成像汇刊，25（2），229-240，
[8] Fattah，M.（2015）。结合多分类器进行情感分析的新术语权重方案。神经计算，167，434-442，
[9] Heneghan，C.（2011）。圣文森特大学医院/都柏林大学学院睡眠呼吸暂停数据库。
[10] Hjorth，J.（1973）。时域描述符在脑电分析中的物理意义。脑电图与临床神经生理学，34（3），321-325，
[11] Kevric，J.、Jukic，S.和Subasi，A.（2017年）。一种使用树算法进行网络入侵检测的有效组合分类器方法。神经计算与应用，28（增刊），1051-1058，
[12] Khaleghi，B.、Khamis，A.、Karray，F.和Razavi，S.（2013年）。多传感器数据融合：最新技术综述。信息融合，14，28-44，
[13] Kittler，J.、Hatef，M.、Duin，R.和Matas，J.（1998年）。关于组合分类器。IEEE模式分析和机器智能汇刊，20，226-239，
[14] Lahat，D.、Adali，T.和Jutten，C.（2015）。多模数据融合：方法、挑战和前景概述。IEEE会议录，103，1449-1477，
[15] 莫汉德斯，M.、德里奇，M.和阿利尤，S.（2018）。分类器组合技术：综合评述。IEEE接入，19626-19639，
[16] Motamedi-Fakhr，S.，Moshrefi-Torbati，M.，Hill，M.、Hill，C.和White，P.（2014）。人类睡眠脑电图信号的信号处理技术——综述。生物医学信号处理与控制，10，21-33，
[17] Nunes，T.、Coelho，A.、Lima，C.、Papa，J.和de Albuquerque，V.（2014）。基于最优路径森林的癫痫诊断脑电信号分类：系统评估。神经计算，123，103-123，
[18] Poh，N.和Bengio，S.（2005年）。基本专家的相关性和方差如何影响生物特征认证任务中的融合？IEEE信号处理汇刊，53，4384-4396·Zbl 1373.62585号
[19] Rivet，B.、Wang，W.、Naqvi，S.和Chambers，J.（2014）。视听语音源分离：关键方法概述。IEEE信号处理杂志，31（3），125-134，
[20] Salazar，A.和Vergara，L.（2010年）。ICA混合物用于考古陶瓷的超声波无损分类。EURASIP《信号处理进展杂志》，2010年，125201，
[21] Soriano，A.、Vergara，L.、Ahmed，B.和Salazar，A.（2015）。基于字母积分的检测上下文中的分数融合。神经计算，271983-2010·Zbl 1414.92189号
[22] Vergara，L.、Soriano，A.、Safont，G.和Salazar，A.（2016年）。关于非相关探测器的融合。数字信号处理，50，24-33，
[23] Wang，S.、Anugu，V.、Nguyen，T.、Rose，N.、Burns，J.、McKenna，M.、…Summers，R.（2011）。CT结肠成像中结肠息肉检测的机器智能和人类智能融合。《生物医学成像国际研讨会论文集：从纳米到宏观》（第160-164页）。新泽西州皮斯卡塔韦：IEEE。
[24] Wang，S.、Hua，G.、Hao，G.和Xie，C.（2017）。多元时间序列分类的循环深信念网络模型。工程数学问题，2017年，1-7。doi:·Zbl 1426.62267号
[25] Wu，D.（2009）。基于最大似然准则的α-GMM参数估计。神经计算，211776-1795·Zbl 1166.62043号
[26] Xie，B.和Minn，H.（2012）。基于分类器组合的实时睡眠呼吸暂停检测。IEEE生物医学信息技术汇刊，16（3），469-477，
[27] Yuksel，S.、Wilson，J.和Gader，P.（2012年）。二十年的专家组合。IEEE神经网络和学习系统汇刊，231177-1193，
[28] Zhang，J.、Wu，Y.、Bai，J.和Chen，F.（2015）。基于稀疏深度信念网和多分类器组合的睡眠阶段自动分类。计量与控制研究所学报，38（4），435-451，
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。