原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE
PAGE 27
基于动态分类器选择的多分类器融合研究与实现
摘要
模式分类从计算机科学兴起以来就一直是炙手可热的焦点学科，而不同类之间的辨证归类主要通过不同种类形式各异的分类器实现。随着计算量的增加与待处理数据库的扩充，传统的单一分类器逐渐不能满足人们期望的速度与精度。不仅如此，传统的单分类系统仅使用样本的某种单一特征描述和特定的分类器来进行，对于复杂环境下的目标识别问题分类效果不佳。针对此类问题，研究多分类器系统的融合并尽可能提高其可靠性无疑是当下所需。
本文研究重点集中在基于动态分类器选择的多分类器融合分类方法。研究内容如下：（1）基于标准数据集，仿真生成融合系统的
文档评论（0）