遺伝的プログラミングを用いたエッジ検出のための低次特徴抽出

Low-Level Feature Extraction for Edge Detection Using Genetic Programming
IEEE Transactions on Cybernetics, Vol. 44.8, pp. 1459-1472, 2014
20170914_kkobayashi

エッジ検出は代表的なタスクである.従来はmoving window 手法が用いられるが,エッジ検出における窓サイズは,位置精度とノイズ除去とのトレードオフの関係である.識別されたピクセルの近傍を探索して新しいエッジ検出器を構成するための自動技術は,異なるタスクを満たすために魅力的である.本論文では,自然な画像中のエッジを検出するための低次主観的エッジ検出器を新たに構築するために,ピクセルを自動的に探索する遺伝的プログラミング(GP)システムを提案する.また,GP によるエッジ検出器によって選択されたピクセルを分析する.自動的にピクセルを探索することにより,大きな窓からエッジをぼかす問題や小さな窓からのノイズの影響を避けることが可能である.線形および二次フィルタは,これらのGP によるエッジ検出器において高頻度で発生するピクセルから構築される.実験結果は,提案されたGP によるシステムが良い性能であることを示している.GP によって選択されたピクセルと固定ウィンドウ内のすべてのピクセルとを比較すると,GP によって選択されたピクセルの集合はコンパクトであるが,良好なエッジ検出器を構築するのに十分であることを示す.

パレート最適決定木の開発への多目的遺伝的プログラミング手法

Decision Support Systems Volume 43, Issue 3, April 2007, Pages 809-826

A multi-objective genetic programming approach to
developing Pareto optimal decision trees

classi cation 問題はデータ・マイニングで頻出する問題である.デシジョン・ツリー技術は分類モデルを作る
ために広く使用されてきた.モデルは非常によく人間がおこなう推論に似ており,理解するのが簡単である.異
なるタイプの分類エラーが等価ではないことを意味して,多くの現実世界の分類問題がそのコストに敏感である.
異なるデシジョン・ツリーが異なるコスト・セッティングの下で卓越する場合があるので,異なるタイプの誤った
分類エラーのコストが正確に決定されない場合,1 セットの支配されていないデシジョン・ツリーは開発されてい
るべきであり,考察のための意思決定者に提示されるべきである.本論文では,そのような代替パレート最適決
定木の開発への多目的遺伝的プログラミング手法を提案する.さらにそれは,意思決定者が偽陰性対偽陽性
や感度対特異性のような矛盾する目的上の部分的な優先権を指定することを可能にする.糖尿病予測問題および
クレジットカード・アプリケーション承認問題は,提案されたアプローチのアプリケーションを説明するために
使用される.

pdf

ハイブリッドデータ分類のためのniching 遺伝的プログラミングに基づく多目的最適化アルゴリズム

A niching genetic programming-based multi-objective algorithm for hybrid data classi cation
Neurocomputing Volume 133, 10 June 2014, Pages 342-357

本稿では、ハイブリッドデータ、すなわち、定期的(例えば、数値、論理的、およびテキスト)と非正規の(例えば地理的)属性で構成のデータベースに分類規則を抽出するために遺伝的プログラミングに基づく多目的アルゴリズムを導入している。このアルゴリズムは、与えられたデータセットのクラスの中の項目を分類するためのより適しているルールを識別するために、人口アーカイブと組み合わせたニッチな技術を用いる。このアルゴリズムは、ユーザが特定のアプリケーションに対してより適切な関数のセットを選択することができるように実装されている。この機能は、データセットの分類問題の任意の種類の事実上適用可能な提案されたアプローチを行う。また、分類問題は、精度と分類子の複雑さの最小化の最大化を目的関数として考慮されている多目的一つとしてモデル化される。かなり異なるデータセットとドメインと異なる分類の問題、のセットは、検討されている:電源トランスや都市の発展のレベルのワイン、肝炎患者、初期故障。この最後のデータセットでは、属性の一部は、地理的であり、それらは、点、線、または多角形として表されている。決定木(C4.5)、サポートベクターマシン(SVM)と放射基底関数(RBF):アルゴリズムの有効性は、他の3つの方法が、広く分類するために使用されているものとして比較されている。統計的比較は、方法の信頼性の比較を提供するために、一方向ANOVAおよびTukeyの試験を用いて行われている。結果は、提案されたアルゴリズムは、それが分類アプリケーションのかなりの範囲が適していることを示唆しているものを、試験したすべての場合において優れた分類の効果を達成することを示している。

pdf