Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)

The 2-class and multiclass classification systems have important issues when there is overlapping between the samples, insufficient representation of the classes or asymmetrical data representation. Sophisticated classification systems such as SVM and SVM-RBF may have generalization problems, so it...

Full description

Autores:: Silva-Cruz, Edwin Alberto
Esparza-Franco, Carlos Humberto

Tipo de recurso:

Fecha de publicación:: 2015

Institución:: Universidad Santo Tomás

Repositorio:: Repositorio Institucional USTA

Idioma:: spa

id	SANTTOMAS2_e9bd5e0c25a1928831e790df75556b7f
oai_identifier_str	oai:repository.usta.edu.co:11634/36136
network_acronym_str	SANTTOMAS2
network_name_str	Repositorio Institucional USTA
repository_id_str
spelling	Silva-Cruz, Edwin AlbertoEsparza-Franco, Carlos Humberto2021-09-24T13:17:31Z2021-09-24T13:17:31Z2015-11-06http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/123810.15332/iteckne.v12i2.1238http://hdl.handle.net/11634/36136The 2-class and multiclass classification systems have important issues when there is overlapping between the samples, insufficient representation of the classes or asymmetrical data representation. Sophisticated classification systems such as SVM and SVM-RBF may have generalization problems, so it is complicated to obtain successful classifiers. In this work it is shown how the use of classification fusion of simpler classifiers may improve the overall classification by using APCC (A Posteriori Confidence Classification). APCC defines the individual reliability of each parameter and each classification system per parameter, and produces a posteriori weight to each classifier according to its output. The developed protocols were tested using simulated data and real data from TPOEM (Temporal Patterns of Oriented Edge Magnitudes) and VPOEM (Volumetric Patterns of Oriented Edge Magnitudes) for facial expression representation. In both cases the use of APCC and classifier fusion allowed to improve the classification accuracy.Los sistemas de clasificación binario y multiclase presentan inconvenientes cuando existe traslape importante entre las clases, representación insuficiente de las clases o asimetría en la representación. Sistemas de clasificación sofisticados, incluyendo SVM (máquinas de soporte vectorial) y SVM-RBF (máquinas de soporte vectorial con funciones de base radial) pueden tener inconvenientes en la generalización de estos problemas, de manera que la obtención de una clasificación exitosa tiene inconvenientes importantes. En este trabajo se muestra cómo el uso de clasificadores por métricas más simples puede ayudar al sistema global mediante fusión de criterios usando el algoritmo APCC (A Posteriori Confidence Classification). El algoritmo APCC determina la confiabilidad individual de cada parámetro y cada sistema de clasificación y otorga ponderación a posteriori a cada clasificador en función de su salida. Los protocolos desarrollados fueron probados tanto en datos simulados como en datos reales de parámetros VPOEM y TPOEM (Volumetric Patterns of Oriented Edge Magnitudes y Temporal Patterns of Oriented Edge Magnitudes) para la representación de la expresión facial. En ambos casos el uso de APCC y fusión de clasificadores permitió incrementar significativamente la tasa de clasificación.application/pdfspaUniversidad Santo Tomás. Seccional Bucaramangahttp://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/1238/1022ITECKNE; Vol 12 No 2 (2015); 119-130ITECKNE; Vol 12 No 2 (2015); 119-1302339-34831692-1798Copyright (c) 2018 ITECKNEhttp://purl.org/coar/access_right/c_abf2Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)Euclidian, FDA and SVM weak classifiers fusion using a posteriori confidence classification (APCC)info:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb111634/36136oai:repository.usta.edu.co:11634/361362023-07-14 16:20:41.952metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co
dc.title.spa.fl_str_mv	Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)
dc.title.alternative.eng.fl_str_mv	Euclidian, FDA and SVM weak classifiers fusion using a posteriori confidence classification (APCC)
title	Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)
spellingShingle	Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)
title_short	Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)
title_full	Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)
title_fullStr	Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)
title_full_unstemmed	Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)
title_sort	Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)
dc.creator.fl_str_mv	Silva-Cruz, Edwin Alberto Esparza-Franco, Carlos Humberto
dc.contributor.author.none.fl_str_mv	Silva-Cruz, Edwin Alberto Esparza-Franco, Carlos Humberto
description	The 2-class and multiclass classification systems have important issues when there is overlapping between the samples, insufficient representation of the classes or asymmetrical data representation. Sophisticated classification systems such as SVM and SVM-RBF may have generalization problems, so it is complicated to obtain successful classifiers. In this work it is shown how the use of classification fusion of simpler classifiers may improve the overall classification by using APCC (A Posteriori Confidence Classification). APCC defines the individual reliability of each parameter and each classification system per parameter, and produces a posteriori weight to each classifier according to its output. The developed protocols were tested using simulated data and real data from TPOEM (Temporal Patterns of Oriented Edge Magnitudes) and VPOEM (Volumetric Patterns of Oriented Edge Magnitudes) for facial expression representation. In both cases the use of APCC and classifier fusion allowed to improve the classification accuracy.
publishDate	2015
dc.date.issued.none.fl_str_mv	2015-11-06
dc.date.accessioned.none.fl_str_mv	2021-09-24T13:17:31Z
dc.date.available.none.fl_str_mv	2021-09-24T13:17:31Z
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv	info:eu-repo/semantics/article
dc.identifier.none.fl_str_mv	http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/1238 10.15332/iteckne.v12i2.1238
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/11634/36136
url	http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/1238 http://hdl.handle.net/11634/36136
identifier_str_mv	10.15332/iteckne.v12i2.1238
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.relation.none.fl_str_mv	http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/1238/1022
dc.relation.citationissue.spa.fl_str_mv	ITECKNE; Vol 12 No 2 (2015); 119-130
dc.relation.citationissue.eng.fl_str_mv	ITECKNE; Vol 12 No 2 (2015); 119-130
dc.relation.citationissue.none.fl_str_mv	2339-3483 1692-1798
dc.rights.eng.fl_str_mv	Copyright (c) 2018 ITECKNE
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Copyright (c) 2018 ITECKNE http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv	application/pdf
dc.publisher.eng.fl_str_mv	Universidad Santo Tomás. Seccional Bucaramanga
institution	Universidad Santo Tomás
repository.name.fl_str_mv	Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv	noreply@usta.edu.co
_version_	1782026277839962112

Fusión de clasificadores débiles euclidianos, FDA y SVM por a posteriori confidence classification (APCC)

Publicaciones similares