里德·波特;G.Beate Zimmer;嘘，唐 堆栈过滤器分类器。 （英语） Zbl 1252.94018号 Wilkinson，Michael H.F.（编辑）等人，《数学形态学及其在信号和图像处理中的应用》。2009年8月24日至27日在荷兰格罗宁根举行的2009年ISMM第九届国际研讨会。诉讼程序。柏林：施普林格出版社（ISBN 978-3-642-03612-5/pbk）。计算机科学课堂讲稿5720，282-294（2009）。 概述：叠加滤波器定义了一大类在图像和信号处理中广泛使用的递增滤波器。使用递增滤波器代替无约束滤波器的动机描述为：1）快速高效的实现，2）与数学形态学的关系，3）使用有限样本数据进行更精确的估计。最后一个动机与机器学习中开发的方法有关，在[E.R.道尔蒂和J.巴雷拉，“非线性滤波和模式识别：它们是相同的吗？”，Proc。SPIE 4304，1-6（2001年；数字对象标识代码：10.1117/12.424961)]. 本文通过将堆栈过滤器直接应用于分类问题来研究这种关系。这为单调性约束如何帮助控制估计误差提供了一个新的视角，也为布尔函数分类器应用于实值输入时提出了新的学习算法。关于整个系列，请参见[Zbl 1173.68015号]. 引用于1文件 MSC公司： 94A08型 信息与通信理论中的图像处理（压缩、重建等） 94年12月 信号理论（表征、重建、滤波等） 软件：4.5条 PDF格式BibTeX公司 XML格式引用 \textit{R.Porter}等人，Lect。注释计算。科学。5720，282--294（2009；Zbl 1252.94018） 全文： 内政部 链接 参考文献： [1] Dougherty，E.R.，Barrera，J.：非线性滤波和模式识别：它们是一样的吗？In：程序。SPIE，第4304卷，第1-6页（2001年）·数字对象标识代码：10.1117/12.424961 [2] Arce，G.：允许负权重的一般加权中值滤波器结构。In：程序。第11届国际人工智能联合会议，第46卷，第3195–3205页（1998年）·doi:10.1109/78.735296 [3] Ritter，G.X.，Sussner，P.：形态神经网络简介。In:第13届模式识别国际会议，第4卷，第709–717页（1996）·doi:10.1109/ICPR.1996.547657 [4] Yang，P.，Maragos，P.：Min-max分类器：可学习性、设计和应用。模式识别28，879–899（1995）·文件编号：10.1016/0031-3203（94）00161-E [5] Tumer，K.，Ghosh，J.：用于模式分类的线性和顺序统计组合器。《结合人工神经网络》，127-162（1999）·Zbl 0932.68097号 [6] Han，C.C.：使用正布尔函数的监督分类方案。收录于：第16届模式识别国际会议，第2卷，第100-103页（2002年） [7] Muselli，M.：切换神经网络：一种新的连接主义分类模型。收录人：Apolloni，B.、Marinaro，M.、Nicosia，G.、Tagliaferri，R.（编辑）《2005年世界知识》和《2005年美国国家科学院院刊》。LNCS，第3931卷，第23-30页。斯普林格，海德堡（2006）·doi:10.1007/11731177_4 [8] Quinlan，J.R.：C4.5：机器学习程序。Morgan Kaufmann，旧金山（1993） [9] Blanchard，G.，Schafer，C.，Rozenholc，Y.，Muller，K.R.：最优二元决策树。机器学习66（2-3），709–717（2007） [10] Paredes，J.L.，Arce，G.R.：基于镜像阈值分解的堆栈滤波器优化。IEEE传输。信号处理49，1179–1188（2001）·doi:10.1109/78.923300 [11] Porter，R.、Eads，D.、Hush，D.、Theiler，J.：具有较大等级边缘的加权顺序统计分类器。In：程序。第20届国际机器学习大会（2003） [12] Wendt，P.D.，Coyle，E.J.，Gallagher，N.C.：堆叠过滤器。IEEE传输。声学、语音和信号处理34，898–910（1986）·doi:10.1109/TASSP.1986.1164871 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。