Ocean Systems Lab  
Ocean Systems Lab Heriot-Watt University Ocean Systems Laboratory
@inproceedings{ ISI:000232247900033,
Author = {Redpath, DB and Lebart, K},
Editor = {{Singh, S and Singh, M and Apte, C and Perner, P}},
Title = {{Boosting Feature Selection}},
Booktitle = {{PATTERN RECOGNITION AND DATA MINING, PT 1, PROCEEDINGS}},
Series = {{LECTURE NOTES IN COMPUTER SCIENCE}},
Year = {{2005}},
Volume = {{3686}},
Pages = {{305-314}},
Note = {{3rd International Conference on Advances in Pattern Recognition, Bath,
   ENGLAND, AUG 22-25, 2005}},
Abstract = {{It is possible to reduce the error rate of a single classifier using a
   classifier ensemble. However, any gain in performance is undermined by
   the increased computation of performing classification several times.
   Here the Adaboost(FS) algorithm is proposed which builds on two popular
   axeas of ensemble research: Adaboost and Ensemble Feature. Selection
   (EFS). The aim of Adaboost(FS) is to reduce the number of features used
   by each base classifer and hence the overall computation required by
   the ensemble. To do this the algorithm combines a regularised version
   of Boosting Adaboost(Reg) {[}1] with a floating feature search for each
   base classifier.
   Adaboost(FS) is compared using four benchmark data sets to
   Adaboost(All), which uses all features and to Adaboost(RSM), which uses
   a random selection of features. Performance is assessed based on error
   rate, ensemble error and diversity, and the total number of features
   used for classification. Results show that Adaboost(FS) achieves a
   lower error rate and higher diversity than Adaboost(All), and achieves
   a lower error rate and comparable diversity to Adaboost(RSM). However,
   over the other methods Adaboost(FS) produces a significant reduction in
   the number of features required for classification in each base
   classifier and the entire ensemble.}},
ISSN = {{0302-9743}},
ISBN = {{3-540-28757-4}},
Unique-ID = {{ISI:000232247900033}},
  © 2008-2017 HW Ocean Systems Laboratory