論文の概要: Robust Twin Parametric Margin Support Vector Machine for Multiclass
Classification
- arxiv url: http://arxiv.org/abs/2306.06213v1
- Date: Fri, 9 Jun 2023 19:27:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 20:19:28.980575
- Title: Robust Twin Parametric Margin Support Vector Machine for Multiclass
Classification
- Title(参考訳): 多種分類のためのロバスト双対パラメトリックマージン支持ベクターマシン
- Authors: Renato De Leone, Francesca Maggioni and Andrea Spinelli
- Abstract要約: マルチクラス分類の問題に対処するために,Twin Parametric-Margin Support Vector Machine (TPMSVM) モデルを提案する。
実世界のデータセットに対する予備計算実験は,提案手法の優れた性能を示す。
- 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 we present a Twin Parametric-Margin Support Vector Machine
(TPMSVM) model to tackle the problem of multiclass classification. In the
spirit of one-versus-all paradigm, for each class we construct a classifier by
solving a TPMSVM-type model. Once all classifiers have been determined, they
are combined into an aggregate decision function. We consider the cases of both
linear and nonlinear kernel-induced classifiers. In addition, we robustify the
proposed approach through robust optimization techniques. Indeed, in real-world
applications observations are subject to measurement errors and noise,
affecting the quality of the solutions. Consequently, data uncertainties need
to be included within the model in order to prevent low accuracies in the
classification process. Preliminary computational experiments on real-world
datasets show the good performance of the proposed approach.
- Abstract(参考訳): 本稿では,マルチクラス分類の問題に取り組むために,Twin Parametric-Margin Support Vector Machine (TPMSVM) モデルを提案する。
1対全パラダイムの精神では、各クラスに対してTPMSVM型モデルを解くことで分類器を構築する。
すべての分類器が決定されると、それらは集約決定関数に結合される。
線形および非線形カーネル誘導型分類器の事例を考察する。
さらに,提案手法をロバスト最適化手法により堅牢化する。
実際、実世界のアプリケーションでは、観測は測定誤差とノイズが伴い、ソリューションの品質に影響を及ぼす。
したがって、分類過程における低い精度を避けるために、モデルにデータ不確実性を含める必要がある。
実世界のデータセットに関する予備計算実験は,提案手法の性能を示す。
関連論文リスト
- Synergistic eigenanalysis of covariance and Hessian matrices for
enhanced binary classification [75.90957645766676]
本稿では, 学習モデルを用いて評価したヘッセン行列をトレーニングセットで評価した共分散行列の固有解析と, 深層学習モデルで評価したヘッセン行列を組み合わせた新しい手法を提案する。
我々のアプローチは、クラス間の平均距離を最大化し、クラス内の分散を最小化する能力を確立する形式的な証明によって裏付けられている。
論文 参考訳(メタデータ) (2024-02-14T16:10:42Z) - Cost-sensitive probabilistic predictions for support vector machines [1.743685428161914]
サポートベクターマシン(SVM)は広く使われており、最もよく検討され使用されている機械学習モデルの一つである。
本稿では,SVMの確率的出力を生成する新しい手法を提案する。
論文 参考訳(メタデータ) (2023-10-09T11:00:17Z) - Projection based fuzzy least squares twin support vector machine for
class imbalance problems [0.9668407688201361]
本稿では,不均衡なクラスとノイズの多いデータセットを扱うファジィに基づく新しい手法を提案する。
提案アルゴリズムは,複数のベンチマークおよび合成データセットを用いて評価する。
論文 参考訳(メタデータ) (2023-09-27T14:28:48Z) - Characterizing the Optimal 0-1 Loss for Multi-class Classification with
a Test-time Attacker [57.49330031751386]
我々は,任意の離散データセット上の複数クラス分類器に対するテスト時間攻撃の存在下での損失に対する情報理論的下位境界を求める。
本稿では,データと敵対的制約から競合ハイパーグラフを構築する際に発生する最適0-1損失を求めるための一般的なフレームワークを提供する。
論文 参考訳(メタデータ) (2023-02-21T15:17:13Z) - 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) - MACE: An Efficient Model-Agnostic Framework for Counterfactual
Explanation [132.77005365032468]
MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。
MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。
公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
論文 参考訳(メタデータ) (2022-05-31T04:57:06Z) - Handling Imbalanced Classification Problems With Support Vector Machines
via Evolutionary Bilevel Optimization [73.17488635491262]
サポートベクトルマシン(SVM)は、バイナリ分類問題に対処する一般的な学習アルゴリズムである。
この記事では、EBCS-SVMについて紹介する。
論文 参考訳(メタデータ) (2022-04-21T16:08:44Z) - Robustifying Binary Classification to Adversarial Perturbation [45.347651499585055]
本稿では,対向摂動を伴う二分分類の問題について考察する。
データを操作する際の敵の力を考慮に入れたマックスマージン分類器に一般化を導入する。
損失関数に関するいくつかの軽微な仮定の下では、勾配降下がその方向のRM分類器に収束することを理論的に示す。
論文 参考訳(メタデータ) (2020-10-29T07:20:37Z) - High-Dimensional Quadratic Discriminant Analysis under Spiked Covariance
Model [101.74172837046382]
そこで本研究では,魚の識別比を最大化する2次分類手法を提案する。
数値シミュレーションにより,提案した分類器は,合成データと実データの両方において古典的R-QDAよりも優れるだけでなく,計算量の削減も要求されることがわかった。
論文 参考訳(メタデータ) (2020-06-25T12:00:26Z) - A Mathematical Programming approach to Binary Supervised Classification
with Label Noise [1.2031796234206138]
本稿では,Support Vector Machineベースの分類器を構築するための新しい手法を提案する。
最初の方法は、SVMモデルに直接レバーベリングを組み込む。
第2の手法群はクラスタリングと分類を同時に組み合わせ、類似度尺度とSVMを同時に適用するモデルを生み出す。
論文 参考訳(メタデータ) (2020-04-21T17:25:54Z) - A novel embedded min-max approach for feature selection in nonlinear
support vector machine classification [0.0]
min-max最適化問題に基づく組込み特徴選択法を提案する。
双対性理論を活用することにより、min-max問題を等価に修正し、それ以上のアドを伴わずに解決する。
提案手法の効率性と有用性は,いくつかのベンチマークデータセットで検証される。
論文 参考訳(メタデータ) (2020-04-21T09:40:38Z)
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。