Clustering as a Tool of Reinforced Rejecting in Pattern Recognition Problem

Jakub Ciecierski , Bartłomiej Dybisz , Władysław Homenda , Agnieszka Jastrzębska

Abstract

In this paper pattern recognition problem with rejecting option is discussed. The problem is aimed at classification patterns from given classes (native patterns) and rejecting ones not belonging to these classes (foreign patterns). In practice the characteristics of the native patters are given, while no information about foreign ones is known. A rejecting tool is aimed at enclosing native patterns in compact geometrical figures and excluding foreign ones from them.
Author Jakub Ciecierski
Jakub Ciecierski,,
-
, Bartłomiej Dybisz
Bartłomiej Dybisz,,
-
, Władysław Homenda ZSMPW
Władysław Homenda,,
- Department of Structural Methods for Knowledge Processing
, Agnieszka Jastrzębska ZSMPW
Agnieszka Jastrzębska,,
- Department of Structural Methods for Knowledge Processing
Pages180004-1-180004-4
Publication size in sheets0.3
Book Simos Theodore, Tsitouras Charalambos (eds.): Proceedings of The International Conference on Numerical Analysis and Applied Mathematics 2015 (ICNAAM-2015), AIP Conference Proceedings, vol. 1738, 2016, AMER INST PHYSICS, ISBN 978-0-7354-1392-4
Keywords in Englishforeign pattern, native pattern, rejection of foreign patterns, contaminated datasets
Abstract in PolishW pracy poruszono problem rozpoznawania wzorców w zbiorach danych, w których oprócz elementów właściwych mogą pojawić się śmieci – elementy obce nie należące do właściwego zbioru danych. Ponieważ w rzeczywistych aplikacjach źródła pojawiania się elementów obcych często nie są znane, nie należy ich wykorzystywać w procesie uczenia, bowiem nie ma gwarancji, iż następne elementy obce będą do nich podobne. Stąd zaproponowano podejście oparte na analizie skupień wykonywanej dla zbioru danych poprawnych (właściwych wzorców). Zaproponowane podejście zostało wykorzystane do rozpoznawania zbioru ręcznie pisanych cyfr, który został „zaśmiecony” różnymi innymi wzorcami: skreślonymi symbolami oraz mocno zaszumionymi ręcznie pisanymi cyframi. Pokazano, że zaproponowane podejście można zastosować do odrzucania elementów obcych ze zbiorów danych.
DOIDOI:10.1063/1.4951951
URL http://aip.scitation.org/doi/abs/10.1063/1.4951951
Languageen angielski
Score (nominal)15
ScoreMinisterial score [Punktacja MNiSW] = 15.0, 23-06-2017, BookChapterSeriesAndMatConf
Ministerial score (2013-2016) [Punktacja MNiSW (2013-2016)] = 15.0, 23-06-2017, BookChapterSeriesAndMatConf
Citation count*0 (2016-09-06)
Cite
Share Share

Get link to the record
msginfo.png


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back