Resumen

La fusión de clasificadores se utiliza para combinar múltiples decisiones de clasificación y mejorar su rendimiento. Aunque en la literatura se han propuesto varios algoritmos de fusión de clasificadores, casi siempre se selecciona la fusión media como base de comparación. Poco se ha hecho para explorar el potencial de la fusión media y proponer una línea de base mejor. En este artículo investigamos empíricamente el comportamiento de las etiquetas blandas y los clasificadores en la fusión promedio. Como resultado, descubrimos que, mediante un muestreo adecuado de las etiquetas blandas y los clasificadores, el rendimiento de la fusión promedio puede mejorarse de forma evidente. Este resultado presenta la fusión media basada en el muestreo como una mejor línea de base; es decir, un nuevo algoritmo de fusión de clasificadores propuesto debería al menos rendir mejor que esta línea de base para demostrar su eficacia.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:fusión media, mejor línea de base, etiquetas blandas, varios algoritmos de fusión de clasificadores, rendimiento medio de la fusión, algoritmo de fusión de clasificadores, múltiples decisiones de clasificación, línea de base, clasificadores, resultado
• Keywords:average fusion, better baseline, soft labels, various classifier fusion algorithms, average fusion performance, classifier fusion algorithm, multiple classification decisions, baseline, classifiers, result