分类器组合技术的多样性研究.pdfVIP

分类器组合技术的多样性研究 Researchonthe ofEnsembleClassifiers diversity 范莹‘计华张化祥 HuaZHANG FAN砌蟛Jl Hua-x／ang 摘要 分类器组合技术可以提高模式识别的性能，受到了模式识别领城研究人员的广泛关注。实现成员分类 器的多样性是提高分类器组合泛化能力主要手段。本文从成员分类器的生成介绍了实现成员分类器多 样性的各种方法。同时介绍了度量成员分类器多样性的各种技术，并提出了一种如何训练多样性成员分 类器的技术思路。 关键词 分类器组合多样性选择准则 多样性测量 AbstractSincethe ofensembleclassifierscan the of technique performanceclassification，more improve andmoreattentionshavebeen resemrchersinthefieldof obtaindiverse pattern widelyp8idby recognition．To classifiersisthe to the classification and component keyapproach8uaranteeinghigh performancegoodgeneraliza- an the of tion for ensembleclassifier．TIIisintroducesthemethods to ensemble capability paper relatingdiversity classifier intwo classifierandtheselectionofclassifiers。 design techniquesaspects：individual Ensemble criterion measure Ke”vords chmsifie稻Diversity，SelectionDiversity 好成员分类器后，如何融合成员分类器的分类结果也影响到最终 1 引言 分类效果。K础etat【21证明，对于单数据点，集成分类器的分 分类器技术是模式识别及机器学习的重要研究领域，目前已 类误差平方不大于各成员分类器分类误差平方的加权平均，而各 成员分类器的差异性越大。集成分类器的误差就越小。因此，实 有的分类器算法有决策树、神经网络、K一近邻、SVM、Bayes分类 等。分类准确性是评价分类算法好坏的最重要的指标。针对同 现成员分类器的多样性成为提高分类器组合泛化能力主要手段。 一分类决策问题，不同的分类器算法分类性能各异，而对于不同 本文以在分类器组合过程中实现成员分类器多样性为