RNTI

MODULAD
Un modèle d'extraction de masses de croyance à partir de probabilités a posteriori pour une amélioration des performances en classification supervisée
In EGC 2010, vol. RNTI-E-19, pp.513-524
Abstract
L'objectif de cet article est de montrer que l'utilisation de la règle de décision du maximum de masse de croyance en lieu et place de celle du maximum de probabilité a posteriori peut permettre de réduire le taux d'erreur en classification supervisée. Nous proposons une technique efficace pour extraire, à partir d'un vecteur de probabilités a posteriori, un vecteur de masses de croyance sur lequel baser la décision par le maximum de masse de croyance. L'application de notre méthode dans le domaine de la classification automatique en stades de sommeil montre une amélioration des performances pouvant atteindre 80% de réduction du taux d'erreur de classification.