論文の概要: Inter Observer Variability Assessment through Ordered Weighted Belief Divergence Measure in MAGDM Application to the Ensemble Classifier Feature Fusion

• arxiv url: http://arxiv.org/abs/2409.08450v1
• Date: Fri, 13 Sep 2024 00:53:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-16 18:07:55.145535
• Title: Inter Observer Variability Assessment through Ordered Weighted Belief Divergence Measure in MAGDM Application to the Ensemble Classifier Feature Fusion
• Title（参考訳）: MAGDMにおける重み付き偏差測定によるアンサンブル分類器特徴フュージョンに対するオブザーバ間変動評価
• Authors: Pragya Gupta, Debjani Chakraborty, Debashree Guha,
• Abstract要約: コンセンサス結果を得るために,多属性グループ意思決定(MAGDM)が広く導入されている。 本研究では,観測間の変動を評価し,不確実性に対処するEvidential MAGDM法を提案する。
• 参考スコア（独自算出の注目度）: 1.3586572110652486
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A large number of multi-attribute group decisionmaking (MAGDM) have been widely introduced to obtain consensus results. However, most of the methodologies ignore the conflict among the experts opinions and only consider equal or variable priorities of them. Therefore, this study aims to propose an Evidential MAGDM method by assessing the inter-observational variability and handling uncertainty that emerges between the experts. The proposed framework has fourfold contributions. First, the basic probability assignment (BPA) generation method is introduced to consider the inherent characteristics of each alternative by computing the degree of belief. Second, the ordered weighted belief and plausibility measure is constructed to capture the overall intrinsic information of the alternative by assessing the inter-observational variability and addressing the conflicts emerging between the group of experts. An ordered weighted belief divergence measure is constructed to acquire the weighted support for each group of experts to obtain the final preference relationship. Finally, we have shown an illustrative example of the proposed Evidential MAGDM framework. Further, we have analyzed the interpretation of Evidential MAGDM in the real-world application for ensemble classifier feature fusion to diagnose retinal disorders using optical coherence tomography images.
• Abstract（参考訳）: コンセンサス結果を得るために,多属性グループ意思決定(MAGDM)が広く導入されている。 しかし、ほとんどの方法論は専門家の意見の対立を無視しており、それらに等しく、あるいは変動する優先順位しか考慮していない。 そこで本研究では, 観測間の変動を評価し, 専門家間の不確実性に対処し, エビデンシャルMAGDM法を提案する。 提案されたフレームワークには4倍のコントリビューションがある。 まず、基本確率割当(BPA)生成法を導入し、信念の度合いを計算することによって、それぞれの選択肢の固有の特性を考察する。 第二に、順序付き重み付き信念と妥当性尺度は、観測間の変動を評価し、専門家グループ間の紛争に対処することによって、代替案の内在的な情報を取り込むために構築される。 各専門家グループに対する重み付き支持を得て最終選好関係を得るように、順序付き重み付き信念分散尺度を構築する。 最後に,提案するEvidential MAGDMフレームワークの例を示した。 さらに,光コヒーレンス・トモグラフィー画像を用いた網膜障害診断のためのアンサンブル分類器機能融合の現実的応用におけるEvidential MAGDMの解釈を分析した。

関連論文リスト

• DEAL: Decoupled Classifier with Adaptive Linear Modulation for Group Robust Early Diagnosis of MCI to AD Conversion [16.723285384727028]
  深層学習に基づくアルツハイマー病の診断は、最近大きな進歩を遂げた。 診断のグループロバスト性についての研究には、依然として重大なギャップが残っている。 MRI画像を用いてMCIからADへの変換の早期診断におけるグループロバスト性の最初の包括的調査を行った。
  論文  参考訳（メタデータ） (2024-11-16T14:30:46Z)
• Top-K Pairwise Ranking: Bridging the Gap Among Ranking-Based Measures for Multi-Label Classification [120.37051160567277]
  本稿では,Top-K Pairwise Ranking(TKPR)という新しい尺度を提案する。 一連の分析により、TKPRは既存のランキングベースの尺度と互換性があることが示されている。 一方,データ依存縮約法という新しい手法に基づいて,提案手法の急激な一般化を確立する。
  論文  参考訳（メタデータ） (2024-07-09T09:36:37Z)
• MERIT: Multi-view Evidential learning for Reliable and Interpretable liver fibrosis sTaging [29.542924813666698]
  本稿では,MERITと呼ばれる顕在的学習に基づく新しいマルチビュー手法を提案する。 MERITは、予測の不確実性を可能とし、信頼性を高め、論理ベースの組み合わせルールを用いて解釈性を向上させる。 その結果、提案したMERITの有効性を示し、信頼性を強調し、アドホックとポストホックの両方の解釈性を提供する。
  論文  参考訳（メタデータ） (2024-05-05T12:52:28Z)
• ELFNet: Evidential Local-global Fusion for Stereo Matching [17.675146012208124]
  ステレオマッチングのためのtextbfEvidential textbfLocal-global textbfFusion (ELF) フレームワークを提案する。 不確実性推定と信頼に値する頭部との信頼を意識した融合の両方を付与する。
  論文  参考訳（メタデータ） (2023-08-01T15:51:04Z)
• Trusted Multi-View Classification with Dynamic Evidential Fusion [73.35990456162745]
  信頼型マルチビュー分類(TMC)と呼ばれる新しいマルチビュー分類アルゴリズムを提案する。 TMCは、様々な視点をエビデンスレベルで動的に統合することで、マルチビュー学習のための新しいパラダイムを提供する。 理論的および実験的結果は、精度、堅牢性、信頼性において提案されたモデルの有効性を検証した。
  論文  参考訳（メタデータ） (2022-04-25T03:48:49Z)
• Deep Causal Reasoning for Recommendations [47.83224399498504]
  推薦システム研究の新たなトレンドは、共同創設者の影響を因果的観点から否定することである。 提案手法は多因性マルチアウトカム(MCMO)推論問題としてモデル化する。 MCMOモデリングは,高次元因果空間に付随する観測が不十分なため,高いばらつきをもたらす可能性があることを示す。
  論文  参考訳（メタデータ） (2022-01-06T15:00:01Z)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)
• Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition [59.52434325897716]
  DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。 前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。 後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
  論文  参考訳（メタデータ） (2021-04-01T03:21:57Z)
• Trusted Multi-View Classification [76.73585034192894]
  本稿では,信頼された多視点分類と呼ばれる新しい多視点分類手法を提案する。 さまざまなビューをエビデンスレベルで動的に統合することで、マルチビュー学習のための新しいパラダイムを提供する。 提案アルゴリズムは,分類信頼性とロバスト性の両方を促進するために,複数のビューを併用する。
  論文  参考訳（メタデータ） (2021-02-03T13:30:26Z)

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。