强三支决策方法及其在计算机视觉中的应用

发布时间：2024-06-02 14:05

　　三支决策理论(Three Way Decision,TWD)是二支决策的拓展。在实际应用中,由于信息的不完整和不确定性,人们常常无法立即作出拒绝或接受的决策。所以,当信息不完整不精确时,使用三支决策理论进行数据挖掘是十分有必要的。它将决策粗糙集中的正域解释为接受,将负域解释为拒绝,而将边界域解释为不承诺。根据最小决策风险原则,三支决策给出了一种合理的损失函数条件,即执行一项好的决策的代价要低于延迟决策的代价,而延迟决策的代价低于采取拒绝的代价。以最小决策代价为目标,给出了经典的三支决策的三种决策规则。但是,三支决策理论中的代价函数关系较弱,不能很好的解决类别不平衡问题和代价敏感问题。因此,如何根据实际问题的需要,选择合适的代价函数、是一项值得研究的问题。三支决策理论可用于计算机视觉领域,处理包含不确定性信息和代价敏感的问题。如在图像分类问题中,往往会出现正类的样本较少而负类样本很多的不平衡问题;而在视频异常检测问题中,将视频中的异常行为分类为正常行为的代价要远远高于将正常行为分类为异常行为的代价。如何将三支决策理论应用于计算机视觉中,解决类别不平衡问题和代价敏感问题是本文的关注点。本文...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图２．２：?ＯｖＯ与ＯｖＡ示意图脚??

（回國）＊／？－Ｃ，．??图２．２：?ＯｖＯ与ＯｖＡ示意图脚??图２．２中右图所示，其中每个二分类器将都可Ｌ乂陪一个类从其他Ｋ?－?１个类中分??离出来。在训练阶段，对于第＜’个分类器来说，属于第１’类的样本都被看做是正??例，所有不属于１’类的Ｋ－１个类的样本都被看做是负例。在....

图２．３：?ＬＤＡ图模型??

??图２．３为ＬＤＡ的图模型，其中文档的词频Ｗ，，。雇可观测变量，可通过统??计得到。同时，它依赖于两个变量：文档ｆ中词ｎ的话题Ｚｗ化及话题＆的词分??布而话题ｚｗ依赖于多项分布０，，ｅ，则依赖于参数ａ，而主题词频风依赖??于参数ｎ。送样，ＬＤＡ模型的概率分布为：??／？师义，片....

图３．１：?ＳＴＷＤ中ａ、片的变化情况??

因此．基于假设３．１，值不变，而ａ的值是减小的。?□??如图３．２所示，基于假设３．１，与ＧＴＷＤ相比，ＳＴＷＤ中代价函数的改变会??导致ａ减小，而ｙＳ不变。意味着如果某些样本落入边界域中接近ａ的位置时，??ＳＴＷＤ会将其分入ＰＯＳ域。这正好与类别不平衡问题和代价敏感问题的需求相....

图３．２：?Ｄ－ＳＴＷＤ中ａ、庐的变化情况??

因为嚴＞ｆ，所是增大的。?□??如图３．１所示，基于假设３．１，与ＧＴＷＤ相比，ＳＴＷＤ中代价函数的改变会??导致片减小，而ａ不变。意味着如果某些样本落入边界域中接近ｙＳ的位置时，??ＳＴＷＤ将会将其分入ＮＥＧ域。??３．２?Ｈ支决策的贝叶斯概率模型??直接计算兰支决策的后验概率....

本文编号：3987348