DIGITAL LIBRARY ARCHIVE
HOME > DIGITAL LIBRARY ARCHIVE
< Previous   List   Next >  
Hybrid Multiple Classifier Systems
Full-text Download
In-cheol Kim (Department of Computer Science Kyonggi University)
Vol. 10, No. 2, Page: 133 ~ 145
Keywords
Multiple Classifier System, Bagging, Boosting, Meta Learner, Meta Learner, Bias, Bootstrap, Sampling
Abstract
Combining multiple classifiers to obtain improved performance over the individual classifier has been a widely used technique. The task of constructing a multiple classifier system(MCS) contains two different issues : how to generate a diverse set of base-level classifiers and how to combine their predictions. In this paper, we review the characteristics of the existing multiple classifier systems: bagging, boosting, and stacking. And then we propose new MCSs: stacked bagging, stacked boosting, bagged stacking, and boasted stacking. These MCSs are a sort of hybrid MCSs that combine advantageous characteristics of the existing ones. In order to evaluate the performance of the proposed schemes, we conducted experiments with nine different real-world datasets from UCI KDD archive. The result of experiments showed the superiority of our hybrid MCSs, especially bagged stacking and boosted stacking, over the existing ones.
Show/Hide Detailed Information in Korean
하이브리드 다중 분류기시스템
김인철 (경기대학교 정보과학부)
Abstract
단일 분류기보다 우수한 성능을 얻기 위해 다수의 분류기들을 결합하는 방법은 폭 넓게 이용되어 오고 있는 기술이다. 하나의 다중 분류기 시스템(MCS)를 구축하는 일은 두 가지 해결해야 할 문제들을 가지고 있다. 하나는 다양한 기반-레벨의 분류기들을 어떤 방법으로 생성하느냐 하는 것이고, 다른 하나는 이들의 예측을 어떤 방법으로 결합하느냐 하는 것이다. 본 논문에서는 기존의 다중 분류기 시스템들인 bagging, boosting, 그리고 staking의 특징들을 살펴본 다음, 새로운 다중 분류기 시스템들인 stacked boosting, boosting, bagged stacking, 그리고 boosted stacking들을 제안한다. 이들은 기존의 다중 분류기 시스템들의 장점들을 결합한 일종의 하이브리드 다중 분류기 시스템들이다. 새로 제안한 다중 분류기 시스템들의 성능을 평가하기 위해, 본 논문에서는 UCI KDD 데이터 아카이브에서 제공되는 서로 다른 9가지의 실세계 데이터 집합들을 이용하여 실험들을 전개하였다. 실험 결과, 본 논문에서 제안한 하이브리드 다중 분류기 시스템들, 특히 bagged stacking과 boosted stacking이 기존의 다중 분류기 시스템들에 비해 우수한 성능을 보여 주었다
Cite this article
JIIS Style
Kim, I.-c., , "Hybrid Multiple Classifier Systems", Journal of Intelligence and Information Systems, Vol. 10, No. 2 (2004), 133~145.

IEEE Style
In-cheol Kim, "Hybrid Multiple Classifier Systems", Journal of Intelligence and Information Systems, vol. 10, no. 2, pp. 133~145, 2004.

ACM Style
Kim, I.-c.,, 2004. Hybrid Multiple Classifier Systems. Journal of Intelligence and Information Systems. 10, 2, 133--145.
Export Formats : BiBTeX, EndNote

Warning: include(/home/hosting_users/ev_jiisonline/www/admin/archive/advancedSearch.php) [function.include]: failed to open stream: No such file or directory in /home/hosting_users/ev_jiisonline/www/archive/detail.php on line 429

Warning: include() [function.include]: Failed opening '/home/hosting_users/ev_jiisonline/www/admin/archive/advancedSearch.php' for inclusion (include_path='.:/usr/local/php/lib/php') in /home/hosting_users/ev_jiisonline/www/archive/detail.php on line 429
@article{Kim:JIIS:2004:200,
author = {Kim, In-cheol},
title = {Hybrid Multiple Classifier Systems},
journal = {Journal of Intelligence and Information Systems},
issue_date = {November 2004},
volume = {10},
number = {2},
month = Nov,
year = {2004},
issn = {2288-4866},
pages = {133--145},
url = {},
doi = {},
publisher = {Korea Intelligent Information System Society},
address = {Seoul, Republic of Korea},
keywords = { Multiple Classifier System, Bagging, Boosting, Meta Learner, Meta Learner, Bias, Bootstrap and Sampling },
}
%0 Journal Article
%1 200
%A In-cheol Kim
%T Hybrid Multiple Classifier Systems
%J Journal of Intelligence and Information Systems
%@ 2288-4866
%V 10
%N 2
%P 133-145
%D 2004
%R
%I Korea Intelligent Information System Society