Equalization of nonuniform distribution of recognition errors percentage over classes in classifying shifted monochrome 60-by-80-images
Вантажиться...
Дата
2015
Автори
Romanuke, V.V.
Романюк, В.В.
Назва журналу
Номер ISSN
Назва тому
Видавець
Хмельницький національний університет
Анотація
A study for equalizing nonuniform distribution of recognition errors percentage over classes is presented. The
problem is exemplified on classifying shifted monochrome 60by80images
of 26 English alphabet letters. A general
conception of adjusting the training process of twolayer
perceptron classifier for the equalization is stated. In classifying
shifted monochrome 60by80images,
this conception is used partially for cutting off extremely long training sample set.
Within the example, the nonuniformity
is reduced nearly for 25 %. The conception root is that the class representative
recognized poorer is repeated in the training set. As the class recognition errors percentage increases, the repeat number is
greater. However, the equalization conception is usable only for reasonable number of classes, so that the training sample set
length could be shorter. Besides, the twolayer
perceptron classifier can be adjusted by four parameters, determining the
training sample set length and number of times when this set is passed through the perceptron. While equalizing, the hidden
layer size of the twolayer
perceptron should not be changed. For estimating nonuniformity,
variance unbiased estimates
may be used as well. The variance is decreased further using boosting ensembles of perceptron classifiers.
Представляється дослідження з метою вирівнювати нерівномірний розподіл відсоткового рівня помилок розпізнавання за класами. Ця задача підкріплена прикладом класифікації зсунутих монохромних зображень 26 літер англійського алфавіту формату 60на80. Висвітлюється загальна концепція підлаштування навчального процесу класифікатора на основі двошарового персептрону для описуваного вирівнювання. При класифікації зсунутих монохромних зображень формату 60на80 ця концепція використовується частково задля обрізання надзвичайно великої множини навчальної вибірки. У цьому прикладі нерівномірність знижується приблизно на 25 %. Суть висвітлюваної концепції полягає у тому, що представник певного класу, що розпізнається гірше, повторюється у навчальній множині. Зі зростанням відсоткового рівня помилок розпізнавання у цьому класі кількість повторів стає більшою. Однак дана концепція вирівнювання є застосовною лише для помірної кількості класів, щоб розмір множини навчальної вибірки був меншим. Крім того, класифікатор на основі двошарового персептрону може бути підлаштований за чотирма параметрами, що визначають розмір множини навчальної вибірки та число разів, яке ця множина пропускається через персептрон. Під час вирівнювання розмір прихованого шару двошарового персептрону не змінюють. Для оцінювання нерівномірності також можуть бути застосовані й оцінки незміщеної дисперсії. Ця дисперсія знижується ще далі з використанням бустингових комітетів класифікаторів на основі персептронів.
Представляється дослідження з метою вирівнювати нерівномірний розподіл відсоткового рівня помилок розпізнавання за класами. Ця задача підкріплена прикладом класифікації зсунутих монохромних зображень 26 літер англійського алфавіту формату 60на80. Висвітлюється загальна концепція підлаштування навчального процесу класифікатора на основі двошарового персептрону для описуваного вирівнювання. При класифікації зсунутих монохромних зображень формату 60на80 ця концепція використовується частково задля обрізання надзвичайно великої множини навчальної вибірки. У цьому прикладі нерівномірність знижується приблизно на 25 %. Суть висвітлюваної концепції полягає у тому, що представник певного класу, що розпізнається гірше, повторюється у навчальній множині. Зі зростанням відсоткового рівня помилок розпізнавання у цьому класі кількість повторів стає більшою. Однак дана концепція вирівнювання є застосовною лише для помірної кількості класів, щоб розмір множини навчальної вибірки був меншим. Крім того, класифікатор на основі двошарового персептрону може бути підлаштований за чотирма параметрами, що визначають розмір множини навчальної вибірки та число разів, яке ця множина пропускається через персептрон. Під час вирівнювання розмір прихованого шару двошарового персептрону не змінюють. Для оцінювання нерівномірності також можуть бути застосовані й оцінки незміщеної дисперсії. Ця дисперсія знижується ще далі з використанням бустингових комітетів класифікаторів на основі персептронів.
Опис
Ключові слова
object classification, shift, recognition errors percentage, distribution nonuniformity, perceptron, monochrome images, training sample, класифікація об’єктів, зсув, відсотковий рівень помилок розпізнавання, нерівномірність розподілу, персептрон, монохромні зображення, навчальна вибірка
Бібліографічний опис
Romanuke, V. V. Equalization of nonuniform distribution of recognition errors percentage over classes in classifying shifted monochrome 60-by-80-images [Текст] / V. V. Romanuke // Вісник Хмельницького національного університету. Технічні науки. – 2015. – № 2. – С. 146-152.