Sequences Classification by Least General Generalisations
| Autor: | Alain Terlutte, Frédéric Tantini, Fabien Torre |
|---|---|
| Přispěvatelé: | Laboratoire Hubert Curien [Saint Etienne] (LHC), Institut d'Optique Graduate School (IOGS)-Université Jean Monnet [Saint-Étienne] (UJM)-Centre National de la Recherche Scientifique (CNRS), Analysis, perception and recognition of speech (PAROLE), INRIA Lorraine, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université Henri Poincaré - Nancy 1 (UHP)-Université Nancy 2-Institut National Polytechnique de Lorraine (INPL)-Centre National de la Recherche Scientifique (CNRS)-Université Henri Poincaré - Nancy 1 (UHP)-Université Nancy 2-Institut National Polytechnique de Lorraine (INPL)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), Modeling Tree Structures, Machine Learning, and Information Extraction (MOSTRARE), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), José M. Sempere and Pedro Garcia, Laboratoire Hubert Curien (LHC), Institut d'Optique Graduate School (IOGS)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS) |
| Jazyk: | angličtina |
| Rok vydání: | 2010 |
| Předmět: |
Boosting (machine learning)
Theoretical computer science business.industry balls of words 0102 computer and information sciences 02 engineering and technology Machine learning computer.software_genre least general automata 01 natural sciences Grammar induction Automaton ComputingMethodologies_PATTERNRECOGNITION TheoryofComputation_MATHEMATICALLOGICANDFORMALLANGUAGES [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] 010201 computation theory & mathematics 0202 electrical engineering electronic engineering information engineering 020201 artificial intelligence & image processing Artificial intelligence sequence classification business computer Computer Science::Formal Languages and Automata Theory Mathematics |
| Zdroj: | Grammatical Inference: Theoretical Results and Applications ISBN: 9783642154874 ICGI |
| DOI: | 10.1007/978-3-642-15488-1_16⟩ |
| Popis: | The original publication is available at www.springerlink.com; International audience; In this paper, we present a general framework for supervised classification. This framework provides methods like boosting and only needs the definition of a generalisation operator called LGG. For sequence classification tasks, LGG is a learner that only uses positive examples. We show that grammatical inference has already defined such learners for automata classes like reversible automata ork-TSS automata. Then we propose a generalisation algorithm for the class of balls of words. Finally, we show through experiments that our method efficiently resolves sequence classification tasks. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|