[論文レビュー] A two-pass fuzzy-geno approach to pattern classification

Subhadip Basu, Mahantapas Kundu+2 more|arXiv (Cornell University)|Oct 15, 2014

Image Retrieval and Classification Techniques参考文献 8被引用数 4

ひとこと要約

本稿では、最適化されたファジィ分割を用いて粗い分類意思決定を精錬することで認識精度を向上させる二段階ファジィ・ジェノ手法を提案する。まず、訓練画像上で遺伝的アルゴリズムを用いて水平および垂直のファジィ分割を最適化する。次に、類似度測度を用いて未知パターンを分類し、第二段階で領域特化のファジィ分割を再最適化することで、500サンプルの手書き数字データ上で認識率を86.2%から90.4%まで向上させる。

ABSTRACT

The work presents an extension of the fuzzy approach to 2-D shape recognition [1] through refinement of initial or coarse classification decisions under a two pass approach. In this approach, an unknown pattern is classified by refining possible classification decisions obtained through coarse classification of the same. To build a fuzzy model of a pattern class horizontal and vertical fuzzy partitions on the sample images of the class are optimized using genetic algorithm. To make coarse classification decisions about an unknown pattern, the fuzzy representation of the pattern is compared with models of all pattern classes through a specially designed similarity measure. Coarse classification decisions are refined in the second pass to obtain the final classification decision of the unknown pattern. To do so, optimized horizontal and vertical fuzzy partitions are again created on certain regions of the image frame, specific to each group of similar type of pattern classes. It is observed through experiments that the technique improves the overall recognition rate from 86.2%, in the first pass, to 90.4% after the second pass, with 500 training samples of handwritten digits.

研究の動機と目的

• 既存のファジィ分類手法を上回る2次元形状認識の正確性を向上させること。
• 粗い分類の限界を克服するため、領域特化のファジィ分割を用いた精錬段階を導入すること。
• より良いパターン表現を得るために、ファジィ分割を遺伝的アルゴリズムで最適化すること。
• 未知パターンとクラスモデルとの間の強固な比較を可能にする類似度測度を開発すること。
• 実世界のデータセットにおける分類性能の向上を実証する二段階戦略の有効性を示すこと。

提案手法

• 各パターンクラスのサンプル画像に対して、遺伝的アルゴリズムの最適化を用いて水平および垂直のファジィ分割を生成する。
• 類似度測度を用いて、未知パターンのファジィ表現とすべてのクラスモデルを比較し、粗い分類意思決定を生成する。
• 第二段階では、類似したパターンクラスのグループに対して、領域特化のファジィ分割を再最適化して意思決定を精錬する。
• 最終的な分類は、再最適化された分割と類似度測度を用いて粗い結果を精錬することで決定される。
• 本手法は、表現にファジィ論理を、最適化に遺伝的アルゴリズムを組み合わせたファジィ・ジェノハイブリッドアプローチを活用する。
• 本手法は、500件の訓練サンプルを用いた手書き数字データセットで評価される。

実験結果

リサーチクエスチョン

• RQ1 二段階戦略は、ファジィパターン認識システムにおける分類正確性を向上させることができるか？
• RQ2 領域特化のファジィ分割を用いた粗い分類意思決定の精錬は、どの程度効果的か？
• RQ3 遺伝的アルゴリズムで最適化されたファジィ分割は、パターンモデル表現をどの程度向上させるか？
• RQ4 専用の類似度測度は、二段階フレームワークにおける分類性能にどのような影響を与えるか？
• RQ5 提案手法は、手書き数字認識タスクにおいて単一段階のファジィ分類を上回るか？

主な発見

• 二段階ファジィ・ジェノ手法により、第一段階の認識率86.2%が精錬後90.4%に向上した。
• 第二段階は、曖昧または誤った粗い意思決定を精錬することで、分類正確性を顕著に向上させた。
• 領域特化の画像領域における最適化されたファジィ分割は、分類モデルの識別力を高めた。
• 専用の類似度測度の使用により、ファジィパターン表現とクラスモデル間の効果的比較が可能になった。
• 本手法は、500件の訓練サンプルを用いた実世界の手書き数字データセットで一貫した性能向上を示した。
• 結果は、遺伝的アルゴリズムに基づく最適化とファジィ論理を二段階分類フレームワークで組み合わせることの有効性を確認した。