![]() |
|||||||||||||||
![]() |
Cerca | Lliura | Ajuda | Servei de Biblioteques | Sobre el DDD | Català English Español |
Pàgina inicial > Articles > Articles publicats > A K Nearest Classifier design |
Data: | 2005 |
Resum: | This paper presents a multi-classifier system design controlled by the topology of the learning data. Our work also introduces a training algorithm for an incremental self-organizing map (SOM). This SOM is used to distribute classification tasks to a set of classifiers. Thus, the useful classifiers are activated when new data arrives. Comparative results are given for synthetic problems, for an image segmentation problem from the UCI repository and for a handwritten digit recognition problem. |
Drets: | Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. |
Llengua: | Anglès |
Document: | Article ; recerca ; Versió publicada |
Matèria: | Incremental clustering ; Distributed learning ; Self-organizing map ; Pattern recognition ; Agrupament incremental ; Ensenyament distribuït ; Mapa autorganitzatiu ; Reconeixement de model/disseny ; Agrupamiento incremental ; Enseñanza distribuido ; Mapa autorganizados ; Reconocimiento de modelo / diseño |
Publicat a: | ELCVIA : Electronic Letters on Computer Vision and Image Analysis, V. 5 n. 2 (2005) p. 58-71, ISSN 1577-5097 |
14 p, 173.7 KB |