論文の概要: K-Nearest Neighbour and Support Vector Machine Hybrid Classification
- arxiv url: http://arxiv.org/abs/2007.00045v1
- Date: Sun, 28 Jun 2020 15:26:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 01:56:33.512214
- Title: K-Nearest Neighbour and Support Vector Machine Hybrid Classification
- Title（参考訳）: K-Nearest Neighbourと支援ベクトルマシンハイブリッド分類
- Authors: A. M. Hafiz
- Abstract要約: この手法は, 近接条件を満たす試験試料にK-Nearest Neighbour Classificationを用いた。
分離されたテストサンプル毎に、Support Vector Machineは、それに関連するトレーニングセットパターンに基づいてトレーニングされ、テストサンプルの分類が行われます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, a novel K-Nearest Neighbour and Support Vector Machine hybrid
classification technique has been proposed that is simple and robust. It is
based on the concept of discriminative nearest neighbourhood classification.
The technique consists of using K-Nearest Neighbour Classification for test
samples satisfying a proximity condition. The patterns which do not pass the
proximity condition are separated. This is followed by sifting the training set
for a fixed number of patterns for every class which are closest to each
separated test pattern respectively, based on the Euclidean distance metric.
Subsequently, for every separated test sample, a Support Vector Machine is
trained on the sifted training set patterns associated with it, and
classification for the test sample is done. The proposed technique has been
compared to the state of art in this research area. Three datasets viz. the
United States Postal Service (USPS) Handwritten Digit Dataset, MNIST Dataset,
and an Arabic numeral dataset, the Modified Arabic Digits Database, MADB, have
been used to evaluate the performance of the algorithm. The algorithm generally
outperforms the other algorithms with which it has been compared.
- Abstract（参考訳）: 本稿では,新しいk-nearest近傍とサポートベクターマシンのハイブリッド分類手法を提案する。
これは差別的最寄り地域分類の概念に基づいている。
この手法は, 近接条件を満たす試験試料にK-Nearest Neighbour Classificationを用いた。
近接条件を通過しないパターンを分離する。
次に、ユークリッド距離メートル法に基づいて、それぞれ分離されたテストパターンに最も近い各クラスに対して、一定の数のパターンに対するトレーニングセットを設定する。
その後、分離されたテストサンプル毎に、サポートベクトルマシンは、それに関連する訓練セットパターンに基づいてトレーニングされ、テストサンプルの分類が行われる。
提案手法は, 研究領域における技術の現状と比較されてきた。
米国郵便公社(USPS)の手書きDigit Dataset、MNIST Dataset、アラビア数字データセットであるModified Arabic Digits Database(MADB)の3つのデータセットがアルゴリズムの性能を評価するために使用されている。
このアルゴリズムは一般に比較された他のアルゴリズムよりも優れている。
関連論文リスト
- Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。
DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。
10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
論文 参考訳（メタデータ） (2024-07-20T01:34:13Z) - Rethinking k-means from manifold learning perspective [122.38667613245151]
平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。
具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。
異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
論文 参考訳（メタデータ） (2023-05-12T03:01:41Z) - Parametric Classification for Generalized Category Discovery: A Baseline
Study [70.73212959385387]
Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。
パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。
エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
論文 参考訳（メタデータ） (2022-11-21T18:47:11Z) - Large-Scale Open-Set Classification Protocols for ImageNet [0.0]
Open-Set Classification (OSC) は、実世界のシナリオにクローズドセットの分類モデルを適用することを目的としている。
本稿では,未知のクラスと未知のクラスの間で,異なるレベルの類似性を持つ自然画像のリッチなデータセットを提供する3つのオープンセットプロトコルを提案する。
本稿では,ディープラーニングモデルのトレーニングが既知のサンプルの分類と未知のサンプルの拒絶の両方に対処するかどうかを評価するために,新しい検証基準を提案する。
論文 参考訳（メタデータ） (2022-10-13T07:01:34Z) - A k nearest neighbours classifiers ensemble based on extended
neighbourhood rule and features subsets [0.4709844746265484]
kNNベースのアンサンブル法は、不明瞭な観測に最も近い与えられた特徴空間におけるデータポイントの集合を識別することにより、外れ値の効果を最小化する。
そこで本論文では, 隣人がkステップで決定される, k近傍のアンサンブルを提案する。
論文 参考訳（メタデータ） (2022-05-30T13:57:32Z) - Learning to Hash Naturally Sorts [84.90210592082829]
そこで我々はNaturely-Sorted Hashing (NSH)を導入し,最終結果のソートによる深層ハッシュモデルのトレーニングを行った。
NSHはサンプルのハッシュコードのハミング距離をソートし、それに従って自己教師付きトレーニングのための潜伏した表現を収集する。
Sorted Noise-Contrastive Estimation (SortedNCE) の新たな損失について述べる。
論文 参考訳（メタデータ） (2022-01-31T16:19:02Z) - Overhead-MNIST: Machine Learning Baselines for Image Classification [0.0]
23の機械学習アルゴリズムをトレーニングし、ベースライン比較メトリクスを確立する。
Overhead-MNISTデータセットは、ユビキタスなMNISTの手書き桁に似たスタイルの衛星画像の集合である。
本稿では,エッジの展開性および今後の性能向上のためのベースラインとして,全体的な性能向上アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-07-01T13:30:39Z) - Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。
提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文 参考訳（メタデータ） (2021-05-23T19:21:55Z) - Predictive K-means with local models [0.028675177318965035]
予測クラスタリングは、2つの世界のベストを獲得しようとします。
この手法を用いて2つの新しいアルゴリズムを提案し、予測性能に競争力があることを様々なデータセットで示す。
論文 参考訳（メタデータ） (2020-12-16T10:49:36Z) - A Method for Handling Multi-class Imbalanced Data by Geometry based
Information Sampling and Class Prioritized Synthetic Data Generation (GICaPS) [15.433936272310952]
本稿では,多ラベル分類問題における不均衡データ処理の問題について考察する。
特徴ベクトル間の幾何学的関係を利用する2つの新しい手法が提案されている。
提案手法の有効性は,汎用的なマルチクラス認識問題を解くことによって解析する。
論文 参考訳（メタデータ） (2020-10-11T04:04:26Z) - CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。
複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。
探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
論文 参考訳（メタデータ） (2020-01-08T17:37:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。