Optimized Design of Classifier Fusion Systems

في هذه الدراسة يتم إجراء تجارب عديدة على أنظمة المصنفات المدمجة وذلك في حالة إذا كانت المصنفات ذات قدرات مختلفة لمعرفة مدى فاعلية وأثرالمصنفات الضعيفة على أداء النظام. ويتم تكرار إجراء التجارب على مجموعة من المتغيرات المؤثرة على أداء النظام. وقد أضهرت النتائج بأنه يمكننا تحسين أداء المصنفات المدمجة حتى لو كانت ضعيفة. وبناء عليه أدى التحليل النظري إلى إستنتاج معادلتين تبين الأولى الحد الأدنى لقدرة المصنف اللازمة لتحسين أداء النظام. بينما المعادلة الثانية تربط العلاقة بين المتغيرات المختلفة وبواسطتها يمكننا إيجاد إحدى المتغيرات في حالة توفر البقية للحصول على أداء مثالي للنظام.

We investigate the merit of adding degrading classifiers to a Multiple Classifier System, MCS. Synthetic experiments show when adding weaker classifiers improve an MCS. Theoretical analysis yields an equation relating the parameters affecting the MCS. The equation, under simplified assumptions, can be used to find the optimum number of combined classifiers that yield the lowest combiner error rate , given the bayes error, the Gaussian error standard deviation and the classifier weakness factor. A second equation finds if adding a weaker classifier improves the MCS.