基于差異性的多分類器集成方法研究.pdf

1、分類所關心的一個根本問題是如何有效地提高分類系統(tǒng)的泛化能力。盡管傳統(tǒng)的分類技術在一些領域己經得到了成功應用,其泛化能力也得到一定程度的認可,但是隨著時代的進步和科學技術的不斷發(fā)展,人們對其技術成果有了更高的要求,這就意味著需要開發(fā)新的有效技術來滿足人們深層次的需求。多分類器集成技術就是在這樣的背景下產生的,它通過集成多個滿足一定條件的學習個體來達到有效改善分類系統(tǒng)泛化能力和魯棒性的目的。分類器集成已民成為機器學習和數據挖掘等領域的一個研

2、究熱點,其研究人員眾多,成果亦層出不窮。
　　 分類器集成技術之所以有效,參與集成的基分類器除了需要具有準確性以外,還需要具有一定的差異性,分類器的差異性反映了基分類器之間的關系,使集成系統(tǒng)能夠利用不同分類器之間的互補信息。論文圍繞分類器差異性度量的定義和分類器差異性與準確性之間所存在的關系,對分類器差異性度量和集成方法進行了研究。
　　 論文的主要工作包括:
　　 (1)簡單介紹了多分類器集成技術的發(fā)展現狀、相

3、關概念和工作機制,總結了幾種不同集成方法的框架,對當前常見的集成方法進行了分類整理,概要歸納了這些方法所存在的主要不足。
　　 (2)總結了現有分類器差異性的定義,在互信息差異性的基礎上提出了一種新的差異性度量方法MCC,該方法均衡了個體分類器的準確性與參與集成系統(tǒng)中其他分類器之間的差異性,一定程度上解決了集成算法中所出現的“差異性.準確性”矛盾,有利于集成系統(tǒng)的構建。
　　 (3)在MCC的基礎上提出了一種多分類器選擇