多分類器融合系統的研究.pdf

1、由于多分類器系統能夠達到比個體分類器更好的分類性能和魯棒性，該技術受到了越來越多的關注并取得了較大的進展，同時也帶來了巨大挑戰(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?如何借助中間概念尋找分類器的性能優(yōu)勢區(qū)域等等?為探索多分類器系統的有效性，本文從研究分類器融合技術入手，詳細地介紹了現有分類器融合算法，并對它們的特性進行比較。然后從組合與選擇兩種不同策略出發(fā)，提出了兩種側重點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上的性能優(yōu)勢，提出了基于專家類評估的融合算法，并結合實驗對其進行探索性而非推理性分析，同時與成員分類器相比較，其結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行空間轉換，實現數據集的約簡與學習模型的構建。通過實驗對DRC算法進行評估，并與其成員分類算法在原始特征空間與轉換空間上的結果進行比較，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