多分类器交融中常用模糊积分的比较.pdf

摘 要 摘 要 针对同一个分类问题，构建多个分类器并把多个分类器进行融合可以提高分类系统 的分类正确率、改善系统的稳健性。模糊积分作为一种融合算子，因其能够同时表示各 分类器的重要性和分类器之间的交互作用而受到关注，并得到了广泛的应用。在基于模 糊积分的多分类器融合系统中，有两个关键的因素需要确定：一方面是模糊积分的类型， 现在适合于多分类器的模糊积分主要有：Sugeno 积分、Choquet 积分、上积分（upper integral ）和下积分（lower integral ）。另一方面就是模糊测度。模糊测度对融合系统的性 能有很大的影响。如果模糊测度选择得比较合适，可以明显地提高分类精确率；反之， 可能使得融合系统的分类精确率反而不如单个分类器的分类精确率。对于这两因素中的 模糊积分一般都是采用事先指定，多数都是采用 Choquet 积分，还没有关于那种模糊积 分更适合于多分类器融合的结论。而很多学者对于如何确定模糊测度进行了很多的研究 与探讨，提出了不同类型的模糊测度以及确定模糊测度的方法。本文对，四种模糊积的 定义，相互关系，以及作为融合算子对多分类器融合系统性能的影响进行了比较，以期 对模糊积分在多分类器融合提供有益的结论。综合数值实验和理论分析的结果，本文得 出了如下结论：适合于多分类器融合的优劣选择次序依次为：Choquet 积分、下积分、 上积分、Sugeno 积分。 关键词 多分类器融合 模糊测度 模糊积分 非负集合函数 I Abstract Abstract The accuracy and robustness of classification system can be improved through fusion of multiple classifiers. Fuzzy Integral, which can express the importance of individual classifiers and the interaction among classifiers, is widely accepted and applied as an aggregation tool in multi-classifier fusion. There are two keys to determine. One is the type of fuzzy integral. There are four types of fuzzy integral to use in fusion, Sugeno integral, Choquet integral, upper integral and lower integral. Another is the fuzzy measure. In multi-classifier fusion based on fuzzy integrals, fuzzy measures have much influence on the performance of fusion systems. If the fuzzy measures are well defined, the accuracy of classification can be improved distinctly. However, if the fuzzy measures are badly defined, it is possible that most classifier’s accuracy of classification is higher than the fusion system’s accurac