Critical Report

Hierarchical classification of diatom images using ensembles of

predictive clustering trees[1]

1. Field Establisment
Hierarchical Multi-label Classification (HMC) for diatom image classification
2. Problem
- Bagaimana membangun satu buah phon Predictive Cluster Tree)PCT yang bersamaan
dapat memprediksi semua tingkat yang berbeda dalam toksonomi hierarki
- Bagaimana membuat metode ensemble PCT untuk HMC agar lebih scalable dan
efisien
3. Solution
- Ensemble PCT memiliki kinerja prediksi yang lebih baik dan lebih efisien dari SVM
- Ensable PCT dengan random Forest (RF) memiliki akurasi yang paling tinggi
dibandingkan yang lain ( Bagging HMC dan SVM)
- Kombinasi teknik pemrosesan gambar juga berpengaruh terhadap peningkatan nilai
akurasi
- Waktu yang dibutuhkan RF dalam membangun klasifikasi lebih cepat jika dibanding
dengan baggiing HMC dan SVM
4. Evaluation
- Seleksi fitur
- Overall recognition rate, precision dan recall
5. Contribution
- Mengkombinasikan teknik pemrosesan gambar yaitu teknik deskriptor dan teknik scale
invariant feature transform (SIFT-Histogram)
- Pendekatan baru untuk dentifikasi taksonomi dari gambar mikroskopis
- Menggabungkan ekstaksi fitur yang berbeda dan klasifikasi multi label
6. Critical Review

7. Referensi
[1] I. Dimitrovski, D. Kocev, S. Loskovska, and S. Džeroski, “Hierarchical classification of
diatom images using ensembles of predictive clustering trees,” Ecol. Inform., vol. 7,
no. 1, pp. 19–29, 2012.