Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS
Contenuto archiviato il 2024-05-28

Mathematical Modelling of Ensemble Classifier Systems via Optimization of Diversity- Accuracy Trade off

Obiettivo

Learning by kernels has interested researchers for many years and various types of kernel learning algorithms have been developed under different kinds of numerical optimization methods. Because of the heterogeneity of the real world data, combination of different kernels has been studied for binary class problems over the last decade. However, in reality, not every case is binary. Indeed, there are multiclass classification problems in engineering and applied sciences such as biomedical imaging and facial expressions. For such problems hierarchical classification methods have been proposed to predict multiclass problems. As against hierarchical methods, Error Correcting Output Code (ECOC) has been developed to avoid solving multiclass problems directly by breaking the problems into dichotomies instead. Each dichotomy consists of a binary output code from a matrix, the so called ECOC matrix, where each column of ECOC matrix defines the binary classification problem. SVM, one of the most powerful methods in ML, will be employed as ECOC binary classifiers. The decision on the class of test point is evaluated with respect to a combination of binary classifiers, which is often called ensemble classifier. This decision on the test point is affected by each binary classifier error, and hence the diversity of the binary classifiers has an impact on overall accuracy. Different methodologies have been proposed for the combination of classifiers, e.g. weighted combination, where the weights of ensembles can be found heuristically or via optimization modelling. The scientific objective of this proposal can be summarized as follows: 1) Develop novel and effective ensemble classifier systems by optimizing diversity-accuracy trade off 2) Improve the time complexity of model selection, 3) Generalize the overall model via multiple kernel learning for heterogeneous data from real world scenarios and experiment on classifying facial expressions.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

FP7-PEOPLE-2009-IEF
Vedi altri progetti per questo bando

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

MC-IEF - Intra-European Fellowships (IEF)

Coordinatore

UNIVERSITY OF SURREY
Contributo UE
€ 174 903,20
Indirizzo
Stag Hill
GU2 7XH Guildford
Regno Unito

Mostra sulla mappa

Regione
South East (England) Surrey, East and West Sussex West Surrey
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

Nessun dato
Il mio fascicolo 0 0