TAILIEUCHUNG - Báo cáo hóa học: " Research Article Decision Aggregation in Distributed Classification by a Transductive Extension of Maximum Entropy/Improved Iterative Scaling"

Tuyển tập báo cáo các nghiên cứu khoa học quốc tế ngành hóa học dành cho các bạn yêu hóa học tham khảo đề tài: Research Article Decision Aggregation in Distributed Classification by a Transductive Extension of Maximum Entropy/Improved Iterative Scaling | Hindawi Publishing Corporation EURASIP Journal on Advances in Signal Processing Volume 2008 Article ID 674974 21 pages doi 2008 674974 Research Article Decision Aggregation in Distributed Classification by a Transductive Extension of Maximum Entropy Improved Iterative Scaling David J. Miller Yanxin Zhang and George Kesidis Department of Electrical Engineering The Pennsylvania State University University Park PA 16802 USA Correspondence should be addressed to David J. Miller djmiller@ Received 28 September 2007 Revised 28 January 2008 Accepted 4 March 2008 Recommended by Sergios Theodoridis In many ensemble classification paradigms the function which combines local base classifier decisions is learned in a supervised fashion. Such methods require common labeled training examples across the classifier ensemble. However in some scenarios where an ensemble solution is necessitated common labeled data may not exist i legacy proprietary classifiers and ii spatially distributed and or multiple modality sensors. In such cases it is standard to apply fixed untrained decision aggregation such as voting averaging or naive Bayes rules. In recent work an alternative transductive learning strategy was proposed. There decisions on test samples were chosen aiming to satisfy constraints measured by each local classifier. This approach was shown to reliably correct for class prior mismatch and to robustly account for classifier dependencies. Significant gains in accuracy over fixed aggregation rules were demonstrated. There are two main limitations of that work. First feasibility of the constraints was not guaranteed. Second heuristic learning was applied. Here we overcome these problems via a transductive extension of maximum entropy improved iterative scaling for aggregation in distributed classification. This method is shown to achieve improved decision accuracy over the earlier transductive approach and fixed rules on a number of UC Irvine datasets. Copyright

• Báo cáo khoa học
• báo cáo khoa học
• báo cáo hóa học
• công trình nghiên cứu về hóa học
• tài liệu về hóa học
• cách trình bày báo cáo
• trình bày báo cáo
• tài liệu báo cáo khoa học
• cách trình bày báo cáo khoa học
• báo cáo khoa học sinh học
• báo cáo khoa học toán học
• luận văn mẫu
• người lính việt nam
• sau chiến tranh
• tuyển tập báo cáo khoa học
• báo cáo ngành triết học
• báo cáo ngành lịch sử
• báo cáo ngành văn học
• nghiên cứu khoa học
• báo cáo về văn học
• báo cáo triết học
• báo cáo văn học
• chuyên đề văn học
• văn học nghệ thuật
• văn học Việt NAm
• báo cáo ngành toán học
• báo cáo ngành vật lý
• báo cáo ngành chăn nuôi
• văn học Trung Hoa
• báo cáo khoa học kinh tế
• Kỷ yếu tóm tắt báo cáo khoa học
• Báo cáo khoa học y học
• Báo cáo y học
• Hội nghị khoa học tim mạch
• Báo cáo khoa học y khoa
• Tăng huyết áp
• báo cáo sinh học
• bảo tồn nguồn gen
• báo cáo ngành kỹ thuật
• Báo cáo quản lý chất thải sinh hoạt
• Báo cáo khoa học môi trường
• Báo cáo khoa học công nghệ
• Nghiên cứu khoa học về môi trường
• Đề tài nghiên cứu khoa học
• Báo cáo nghiên cứu khoa học