PRICAI 2016 论文精选 | 最大间距二叉树纠错输出码

导读：多类别分类问题在机器学习领域吸引了很多关注，传统的解决方案倾向于将其变为多个二元问题，相应的策略包括决策树、神经网络等等。本文被PRICAI 2016大会收录，提出了一种最大间距二叉树纠错输出码，对应的编码矩阵更加稳定和易识别。

标题：最大间距二叉树纠错输出码

摘要：编码是纠错输出码（ECOCs）中最重要的一步。传统的编码策略通常与数据无关。最近，提出的一些树形编码算法率先利用交互信息预估类间可分性，将二叉树自上而下分层分区，以获得一个编码矩阵。但这些标准通常是由一个非参数方法计算得到，一般来说需要大量样本，而且更可能产生不稳定的结果。本文中，我们提出了一种新颖的编码算法，它利用类间最大间距为基准，构造了一个基于最大间距、自底向上的二叉树。因此，相应的编码矩阵在之后的分类中更加稳定和易识别。实验结果表明在ECOC中，我们的算法比一些最先进的编码算法性能更好。

关键词：多类别分类；最大间距二叉树；纠错输出编码

第一作者简介：

Fa Zheng

东南大学计算机系，教育部计算机网络与信息集成重点实验室。

via PRICAI 2016

论文原文下载

雷锋网按: 本文由雷锋网独家编译，未经许可禁止转载！

雷峰网原创文章，未经授权禁止转载。详情见转载须知。