|
| << vorige | volgende >> |
Tijdschrift beschrijving
Alle jaargangen van het bijbehorende tijdschrift
Alle afleveringen van het bijbehorende jaargang
Alle artikelen van de bijbehorende aflevering
Details van artikel 4 van 12 gevonden artikelen
| Titel: |
Boosting Classifiers Built from Different Subsets of Features |
| Auteur: |
Janodet, ean-Christophe Sebban, Marc Suchier, Henri-Maxime |
| Verschenen in: |
Fundamenta informaticae |
| Paginering: | Jaargang 96 (2009) nr. 1-2 pagina's 89-109 |
| Jaar: |
2009-12-07 |
| Inhoud: |
We focus on the adaptation of boosting to representation spaces composed of different subsets of features. Rather than imposing a single weak learner to handle data that could come from different sources (e.g., images and texts and sounds), we suggest the decomposition of the learning task into several dependent sub-problems of boosting, treated by different weak learners, that will optimally collaborate during the weight update stage. To achieve this task, we introduce a new weighting scheme for which we provide theoretical results. Experiments are carried out and show that ourmethod works significantly better than any combination of independent boosting procedures. |
| Uitgever: |
IOS Press |
| Bronbestand: |
Elektronische Wetenschappelijke Tijdschriften |
Details van artikel 4 van 12 gevonden artikelen
| << vorige | volgende >> |