|
|
Sequential Retreating Search Methods in Feature Selection
Somol, Petr ; Pudil, Pavel
Inspired by Floating Search, our new pair of methods, the Sequential Forward Retreating Search (SFRS) and Sequential Backward Retreating Search (SBRS) is exceptionally suitable for Wrapper based feature selection. (Conversely, it cannot be used with monotonic criteria.) Unlike most of other known sub-optimal search methods, both the SFRS and SBRS are parameter-free deterministic sequential procedures that incorporate in the optimization process both the search for the best subset and the determination of the best subset size. The subset yielded by either of the two new methods is to be expected closer to optimum than the best of all subsets yielded in one run of the Floating Search. Retreating Search time complexity is to be expected slightly worse but in the same order of magnitude as that of the Floating Search. In addition to introducing the new methods we provide a testing framework to evaluate them with respect to other existing tools.
|
|
|
Kompozicionální modely domněnkvých funkcí
Jiroušek, Radim ; Vejnarová, Jiřina ; Daniel, Milan
Příspěvek je prvním pokusem o zavedení operátoru skládání pro domněnkové funkce (operátor skládání byl již dříve zaveden pro mnohodimensionální distribuce v teorii pravděpodobnosti a v teorii možnosti); je v něm ukázáno, že použitá definice splňuje všechny důležité vlastnosti, které umožňují jeho použití pro tvorbu mnohodimensionálních modelů.
|
|
|
Podmíněná nezávislost ve věrohodnostních funkcích: Příklady
Jiroušek, Radim
V článku je představen další způsob jak definovat relaci podmíněné nezávislosti ve věrohodnostních funkcích. Tento přístup je založen na operátoru, který byl na vrhnut původně pouze pro multidimenzionální modely, operátoru kompozice. Abychom předešli zmatkům s předchozími definicemi, nazýváme tento vztah podmíněnou irelevancí. Vlastnosti tohoto vztahu (relace) jsou ilustrovány množstvím příkladů.
|
|
|
Efektivní algoritmus na hledání redukcí v kompozicionálních modelech
Kratochvíl, Václav
Marginalizace multidimenzionálních distribucí reprezentovaných perfektními kompozicionálními modely je mnohem efektivnější než jakýkoli marginalizační proces v bayesovských sítích. Důvod je prostý. Marginalizační algoritmus, zmíněný v tomto článku, využívá informací zakódovaných ve struktuře kompozicionálních modelů, které se v bayseovských sítích musí složitě vypočítat. V tomto článku se zabýváme jednou podsekcí marginalizačního algoritmu - marginalizací redukcí. Je zde představen nový rychlejší způsob hledání redukcí v kompozicionálních modelech.
|
|
|
Má smysl vyvíjet nové metody výběru příznaků?
Somol, Petr ; Novovičová, Jana
Jedno z aktuálních témat diskutovaných v současné době ve vztahu k oboru rozpoznávání je otázka skutečné účinnosti moderních metod výběru příznaků. Výběr příznaků je stále zkoumaná oblast neboť může zlepšit jak účinnost tak i hospodárnost automatických rozhodovacích systémů v mnoha aplikačních oblastech, z nichž mezi nejdůležitější patří lékařská diagnostika. Výběr příznaků může také zlepšit účinnost klasifikátorů, navržených na základě omezeného množství dat, nebo přispět k interpretaci modelů. Zejména poslední dobou bylo vyvinuto mnoho metod a metodologií slibujících významné zlepšení. Nicméně objevila se také řada kritických příspěvků prohlašujících, že jednoduché staré nástroje jsou ve skutečnosti lepší než složité moderní metody, které, navzdory slibům, selhávají v reálných aplikacích. Ve zprávě zkoumáme toto tvrzení, ukazujeme několik ilustrativních příkladů, vyvozujeme závěry a doporučení týkající se očekávané účinnosti metod výběru příznaků.
|
|
| |
|
|
Rozpoznávání založené na vícerozměrných modelech
Haindl, Michal ; Pudil, Pavel ; Somol, Petr
Tato kapitola vysvětluje obecné přístupy k některým aplikacím rozpoznávání dat založené na modelech. Součástí je i stručný popis tří základních tříd vícerozměrných datových modelů. Pro každou třídu modelů je popsán odhad parametrů a syntéza modelových dat. Na závěr jsou shrnuty výhody a nevýhody studovaných tříd vícerozměrných datových modelů.
|
|
|
Texture similarity measure
Vácha, Pavel
This paper surveys the current best texture representations and studies their application for a texture similarity measure development. A simple experiment that evaluates texture similarity is proposed and the performance of several most advanced texture features is verified on it. In order to eliminate the influence of spectral information monospectral textures are considered in this study only. The paper suggests the L1 norm with either Markovian or Gabor features as the best texture similarity measure.
|
|
| |
|
| |
host ::
RSS.