정확한 객체 분류를 위한 분리 기준을 지정하기 위한 방법은 의사결정수들(decisions trees) 사이에 주요한 이슈이다. 이 논문은 최적의 분리 지점을 찾기 위해 분류에 대한 새로운 분리방법을 기술하고 있다. 모든 시작점 값들(threshold values)을 검색함으로 제공되는 기존의 분리방법들과 다르게, 이 논문에서는 미리 지정된 인터벌들의 확률을 기반으로 하는 분리방법을 제안하고 있다 제시한 방법은 사용자가 인터벌의 수를 조정함으로써 트리의 정확도를 통제할 수 있도록 할 수 있으며, 제기된 분리방법을 이미지 객체 인식하기 위한 특징추출을 수치화함으로써 검색되는 일련의 이미지 데이터에 적용하였다.
The way to assign a splitting criterion for correct object classification is the main issue in all decisions trees. This paper describes new splitting rules for classification in order to find an optimal split point. Unlike the current splitting rules that are provided by searching all threshold values, this paper proposes the splitting rules that we based on the probabilities of pre assigned intervals. Our methodology provides that user can control the accuracy of tree by adjusting the number of intervals. In addition, we applied the proposed splitting rules to a set of image data that was retrieved by parameterized feature extraction to recognize image objects.
