Strategie klasyfikacji oparte na dipolach

W pracy przedstawiona została metoda klasyfikacji oparta na kryterium dipolowym. Przeprowadzone testy numeryczne skłoniły autorów do modyfikacji początkowego kryterium prezentowanego w pracy [1] w taki sposób, by znaleziona hiperpłaszczyzna separowała jak największą liczbę obiektów należących do różnych klas, nie rozdzielając obiektów z tej samej klasy. Nowe podejście zostało przetestowane na wygenerowanych zbiorach danych, a otrzymane wyniki pozwoliły na implementację w postaci wywołań rekurencyjnych.

Finding a separating hyperplane for two classes by minimizing an error functional summing contributions for each poorly classified data point is by now common practice. Effective implementations in the framework of SVM or in terms of CPL functions are available and shown to work well for quite large sets of data. In this article a classification method based on dipoles is presented, which is a modification of a criterion given in [1]. We search for a hyperplane cutting between classes and not through their middle. The crux is to define a suitable functional, which is small on lines with good separation power and little damage, easy to calculate and to minimize. We perform numerical tests and modify the criterion in a way that preserves the intention of finding cuts between classes (and not through their middle), which separate as many data points as possible. However, we do not count (in integers), but weigh by taking the distance to the wrong side. The approach was tested on some synthetic data sets using a recursive implementation.