利用机器学习预测黎凡特象牙雕刻的区域分类
机器学习
2008-07-01 v1 应用统计
摘要
艺术史学家和考古学家长期困扰于古代近东象牙雕刻的区域分类。基于雕塑的视觉相似性，该领域内的学者提出了与假设的区域生产中心相联系的物件组合。我们在此利用目前已在科学和工程的各类统计问题中成功应用的机器学习计算方法，以定量而非视觉的方法来处理这一分类任务。我们首先利用 66 个类别特征作为输入、区域风格作为输出构建预测函数。该模型对区域风格组（RSG）的预测准确率达到 98%。然后我们根据这些特征与 RSG 的互信息对其排序，量化单特征预测能力。利用排名最高的特征结合诺模图可视化，我们发现了此前未知的关系，这些关系可能有助于这些象牙的区域分类及其在艺术史语境中的解读。
引用
@article{arxiv.0806.4642,
title = {Predicting Regional Classification of Levantine Ivory Sculptures: A Machine Learning Approach},
author = {Amy Rebecca Gansell and Irene K. Tamaru and Aleks Jakulin and Chris H. Wiggins},
journal= {arXiv preprint arXiv:0806.4642},
year = {2008}
}
备注
presented at 34th Computer Applications & Quantitative Methods in Archaeology Conference, Fargo, North Dakota, April 2006. appears in Digital Discovery: Exploring New Frontiers in Human Heritage; CAA 2006. ISBN 978-963-8046-90-1. pp 483-492 (2007)