山西大学人工智能学术研究团队在贝叶斯误差率估计学术研究方面取得重要进展

昨日，晋中人机系统设计研究所研究团队在量化误差率少于的分析方法与方式研究方面取得了重要进展，相关全面性以“Evaluating Classification Model Against BayesError Rate”为题公开发表在人工人机领域国际顶级科学杂志《IEEE Transactions on Pattern Analysis andMachine Intelligence》（全称TPAMI，影响因子：24.314）。该论文第一作者为2019级博士生陈庆强，通讯作者为曹付元名誉教授和梁吉业名誉教授，合作者为2019级博士生邢颖。

如何得心应手少于量化误差率是机器学习里面的一个研究难题。量化误差率是分类器所能达到的最低误差率，可为框架机动性降低发放并不一定的参照标准。近年来，基于散度少于量化误差率的方式受到了较少的关注，但这些方式只能发放量化误差率的上也就是说，并不能为框架机动性降低发放得心应手的参照。

针对量化误差率不可得心应手数值面临的挑战，该研究提出批评了一种基于量化决断分析方法和箝制分析方法的量化误差率数值方式。具体地，基于量化决断分析方法，得出结论量化误差率与量化分类器误分类试样占所有试样的比例不具备统计资料理论上。

基于随机环境里面聚簇现象分析方法（箝制分析方法），建起了误分试样与聚簇微小的关连。基于标签传播线性和聚簇构建线性，提出批评了可直接少于量化误差率的方式。研究全面性跃升了基于散度少于量化误差率上也就是说的传统思维，为得心应手的量化误差率少于发放了有效的数值方式。

在合成图表集和真实图表集上的对比实验的测试了所提方式（BN-BER）的持续性。除框架分析外，BN-BER还可以用于描绘神经网络的表达能力，对确定神经网络体能训练的迭代周内不具备重要的指导意义。

该研究计划得到数值人机与里面文系统设计教育部里面长期实验室、科技创新2030-“新一代人工人机”工程项目、国家自然科学基金侧面项目的默许。

据悉，TPAMI科学杂志于1979年建刊，是欧美国家公认的人工人机领域顶级科学杂志，同时也被里面国数值机学会（CCF）中选为人工人机领域的A类科学杂志，主要登出人工人机领域的高质量前沿研究全面性。（美联社：晋中 张颖）