纠错输出编码的留一误差界估计

作者：薛爱军; 王晓丹模式识别多类分类留一误差

摘要：纠错输出编码（ECOC）作为分解框架，将多类分类问题转化为二类分类问题，是解决多类分类问题的有效手段。为了提高ECOC的泛化性能，对ECOC基分类器的设计问题进行了研究。解决这一问题的关键是对ECOC的泛化性能进行估计。留-（LOO）误差作为泛化性能的无偏估计，研究了ECOC留-误差界的估计问题。先给出了ECOC留一误差的定义，基于此定义，再给出了基分类器为支持向量机（SVM），解码方法为线性损失函数解码时，ECOC留-误差的上界和下界。在人工数据集和UCI数据集上的实验表明，ECOC留-误差的上界可以指导基分类器的参数选择，通过基分类器设计可以提高ECOC的泛化性能。此外，ECOC的训练误差可以作为ECOC留-误差的下界，对ECOC留-误差下界的研究可以作为未来的研究方向。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社