Hybrid Classifiers: Methods of Data, Knowledge, and Classifier Combination

این کتاب دانش قطعی و فشرده ای را در مورد اینکه چگونه هیبریداسیون می تواند به بهبود کیفیت سیستم های طبقه بندی کامپیوتری کمک کند، ارائه می دهد. برای اینکه خوانندگان به وضوح دانش هیبریداسیون را درک کنند، این کتاب در درجه اول بر معرفی سطوح مختلف هیبریداسیون و روشن کردن مشکلاتی که در مواجهه با چنین پروژه هایی با آن مواجه خواهیم بود، تمرکز دارد. در وهله اول، داده ها و دانش گنجانده شده در هیبریداسیون، نقاط عمل بودند، و سپس یک منطقه هنوز در حال رشد از سیستم های طبقه بندی کننده به نام طبقه بندی کننده های ترکیبی در نظر گرفته شد. این کتاب شامل موضوعات فوق پیشرفته و آخرین نتایج تحقیقاتی نویسنده و تیمش از گروه سیستم‌ها و شبکه‌های رایانه‌ای، دانشگاه صنعتی وروتسواف، از جمله به عنوان طبقه‌بندی کننده بر اساس تقسیم فضای ویژگی، طبقه‌بندی تک کلاسی است. ، داده های عدم تعادل و طبقه بندی جریان داده ها.

This book delivers a definite and compact knowledge on how hybridization can help improving the quality of computer classification systems. In order to make readers clearly realize the knowledge of hybridization, this book primarily focuses on introducing the different levels of hybridization and illuminating what problems we will face with as dealing with such projects. In the first instance the data and knowledge incorporated in hybridization were the action points, and then a still growing up area of classifier systems known as combined classifiers was considered. This book comprises the aforementioned state-of-the-art topics and the latest research results of the author and his team from Department of Systems and Computer Networks, Wroclaw University of Technology, including as classifier based on feature space splitting, one-class classification, imbalance data, and data stream classification.