Evidential classifier for imprecise data based on belief functions
Evidential classifier for imprecise data based on belief functions
复制标题
基于置信函数的不精确数据证据分类器
DOI：
10.1016/j.knosys.2013.08.005
复制
发表时间：
2013-11
影响因子：
8.8
通讯作者：
Zhun-ga Liu, Quan Pan, Jean Dezert
中科院分区：
文献类型：
--
作者：
Zhun-ga Liu, Quan Pan, Jean Dezert
提出了一种新的基于置信函数的证据分类器（EC），用于不精确数据的K-近邻分类。EC与credal分类一起工作，它允许将对象分类在特定类中，在由几个特定类的联合定义的元类中，或者在用于离群值检测的无知类中。EC的主要思想是当一个对象同时接近于几个不可区分的类时，不将该对象分类到某个类中，而是将该对象与一个合适的元类相关联，以减少误分类错误。完全无知类被解释为离群值类，表示所有离其他数据太远的对象。与对象相关联的Kbasic信念分配（bba）由对象到其K-最近邻的距离和一些选定的不精确阈值确定。目标的分类依赖于这些Kbba的全局组合结果。通过人工和真实的数据集的基础上的几个例子说明了这种新的证据分类器相对于其他经典方法的兴趣和潜力。
A new evidential classifier (EC) based on belief functions is developed in this paper for the classification of imprecise data using K-nearest neighbors. EC works with credal classification which allows to classify the objects either in the specific classes, in the meta-classes defined by the union of several specific classes, or in the ignorant class for the outlier detection. The main idea of EC is to not classify an object in a particular class whenever the object is simultaneously close to several classes that turn to be indistinguishable for it. In such case, EC will associate the object with a proper meta-class in order to reduce the misclassification errors. The full ignorant class is interpreted as the class of outliers representing all the objects that are too far from the other data. TheKbasic belief assignments (bba’s) associated with the object are determined by the distances of the object to itsK-nearest neighbors and some chosen imprecision thresholds. The classification of the object depends on the global combination results of theseKbba’s. The interest and potential of this new evidential classifier with respect to other classical methods are illustrated through several examples based on artificial and real data sets.
登录
查看更多内容
DOI：
10.1016/s0065-2458(08)60404-0
发表时间：
1993
期刊：
Adv. Comput.
影响因子：
--
作者：
Franziska Wulf
通讯作者：
Franziska Wulf
DOI：
10.2307/2983423
发表时间：
1995
影响因子：
2
作者：
通讯作者：
--
Belief C-Means：模糊 C-Means 算法在置信函数框架中的扩展
影响因子：
5.1
作者：
Liu, Zhun-ga;Dezert, Jean;Pan, Quan
通讯作者：
Pan, Quan
DOI：
10.1109/icmlc.2003.1260141
发表时间：
2003-11
期刊：
Proceedings of the 2003 International Conference on Machine Learning and Cybernetics (IEEE Cat. No.03EX693)
影响因子：
--
作者：
Zhuang Wang;Weidong Hu;Wenxian Yu
通讯作者：
Zhuang Wang;Weidong Hu;Wenxian Yu
DOI：
10.1109/fuzzy.1998.686326
发表时间：
1998-05
期刊：
1998 IEEE International Conference on Fuzzy Systems Proceedings. IEEE World Congress on Computational Intelligence (Cat. No.98CH36228)
影响因子：
--
作者：
S. Sen;R. Davé
通讯作者：
S. Sen;R. Davé