多分類器融合系統(tǒng)的研究.pdf

1、由于多分類器系統(tǒng)能夠達(dá)到比個(gè)體分類器更好的分類性能和魯棒性，該技術(shù)受到了越來越多的關(guān)注并取得了較大的進(jìn)展，同時(shí)也帶來了巨大挑戰(zhàn)。越來越多的研究人員試圖回答下列問題：如何有效地利用各分類器的性能優(yōu)勢(shì)?如何借助中間概念尋找分類器的性能優(yōu)勢(shì)區(qū)域等等?為探索多分類器系統(tǒng)的有效性，本文從研究分類器融合技術(shù)入手，詳細(xì)地介紹了現(xiàn)有分類器融合算法，并對(duì)它們的特性進(jìn)行比較。然后從組合與選擇兩種不同策略出發(fā)，提出了兩種側(cè)重點(diǎn)不同的多分類器融合算法。一種是利

2、用各單分類器在類一級(jí)上的性能優(yōu)勢(shì)，提出了基于專家類評(píng)估的融合算法，并結(jié)合實(shí)驗(yàn)對(duì)其進(jìn)行探索性而非推理性分析，同時(shí)與成員分類器相比較，其結(jié)果說明了本算法的有效性和魯棒性。另一種是基于多分類器行為的算法(DRC)，它以多分類器行為向量為中間媒介進(jìn)行空間轉(zhuǎn)換，實(shí)現(xiàn)數(shù)據(jù)集的約簡(jiǎn)與學(xué)習(xí)模型的構(gòu)建。通過實(shí)驗(yàn)對(duì)DRC算法進(jìn)行評(píng)估，并與其成員分類算法在原始特征空間與轉(zhuǎn)換空間上的結(jié)果進(jìn)行比較，表明本算法的綜合性能優(yōu)于各成員分類算法。 成員分類器的獨(dú)