Dynamic ensemble selection using fuzzy min-max hyperboxes

Résumé

Les systèmes de sélection dynamique sont une bonne alternative pour atteindre une précision accrue dans les problèmes complexes. Dans les techniques actuelles de sélection dynamique, la compétence des classificateurs de base pour classifier le nouvel échantillon de requête est estimée en fonction de leurs performances dans une petite région entourant l’échantillon de requête. La plupart de ces techniques utilisent l’algorithme KNN pour estimer la compétence. Cependant, l’algorithme KNN souffre d’une complexité élevée du système et est également sensible à la distribution locale des données. Dans ce projet, nous allons introduire un nouveau cadre de sélection dynamique d’ensemble qui utilise des hyperboîtes floues pour estimer la compétence des classificateurs de base. Pour la construction des hyperboîtes, la distribution des échantillons est prise en compte et plusieurs échantillons proches les uns des autres sont représentés par une hyperboîte. Par conséquent, le système final ne sera pas sensible à la distribution locale déséquilibrée des échantillons. De plus, le système n’a besoin de conserver que les hyperboîtes plutôt que les données d’origine. De plus, les hyperboîtes sont créées à partir d’échantillons mal classés. Ainsi, ils sont généralement beaucoup moins nombreux que les échantillons. Nous nous attendons donc à ce que le cadre proposé ait une complexité beaucoup plus faible et une précision plus élevée par rapport aux techniques basées sur KNN. Les résultats expérimentaux montrent que le cadre proposé peut améliorer les performances des systèmes de sélection dynamique à la fois en termes de précision et de complexité de calcul.

Date	12 nov. 2023
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Rafael Menelau Oliveira Cruz (Directeur(-trice)) & Robert Sabourin (Codirecteur(-trice))