计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2012年
2期
522-526
,共5页
梁军%陈龙%汪若尘%胥正川%胥杜杰
樑軍%陳龍%汪若塵%胥正川%胥杜傑
량군%진룡%왕약진%서정천%서두걸
特征选择%差异性度量%分类器融合%图像检索%PCA%仿真
特徵選擇%差異性度量%分類器融閤%圖像檢索%PCA%倣真
특정선택%차이성도량%분류기융합%도상검색%PCA%방진
针对分类器的构建,在保证基分类器准确率和差异度的基础上,提出了采用差异性度量特征选择的多分类器融合算法(multi-classifier fusion algorithm based on diversity measure for feature selection,MFA-DMFS).该算法的基本思想是在原始特征集中采用Relief特征评估结果按权值大小选择特征,构造特征子集,通过精调使各特征子集间满足一定的差异性,从而构建最优的基分类器.MFA-DMFS不但能提高基分类器的准确率,而且保持基分类器间的差异,克服差异性和平均准确率之间存在的相互制约,并实现这两方面的平衡.在UCI数据集上与基于Bagging、Boosting算法的多分类器融合系统进行了对比实验,实验结果表明,该算法在准确率和运行速度方面优于Bagging和Boosting算法,此外在图像数据集上的检索实验也取得了较好的分类效果.
針對分類器的構建,在保證基分類器準確率和差異度的基礎上,提齣瞭採用差異性度量特徵選擇的多分類器融閤算法(multi-classifier fusion algorithm based on diversity measure for feature selection,MFA-DMFS).該算法的基本思想是在原始特徵集中採用Relief特徵評估結果按權值大小選擇特徵,構造特徵子集,通過精調使各特徵子集間滿足一定的差異性,從而構建最優的基分類器.MFA-DMFS不但能提高基分類器的準確率,而且保持基分類器間的差異,剋服差異性和平均準確率之間存在的相互製約,併實現這兩方麵的平衡.在UCI數據集上與基于Bagging、Boosting算法的多分類器融閤繫統進行瞭對比實驗,實驗結果錶明,該算法在準確率和運行速度方麵優于Bagging和Boosting算法,此外在圖像數據集上的檢索實驗也取得瞭較好的分類效果.
침대분류기적구건,재보증기분류기준학솔화차이도적기출상,제출료채용차이성도량특정선택적다분류기융합산법(multi-classifier fusion algorithm based on diversity measure for feature selection,MFA-DMFS).해산법적기본사상시재원시특정집중채용Relief특정평고결과안권치대소선택특정,구조특정자집,통과정조사각특정자집간만족일정적차이성,종이구건최우적기분류기.MFA-DMFS불단능제고기분류기적준학솔,이차보지기분류기간적차이,극복차이성화평균준학솔지간존재적상호제약,병실현저량방면적평형.재UCI수거집상여기우Bagging、Boosting산법적다분류기융합계통진행료대비실험,실험결과표명,해산법재준학솔화운행속도방면우우Bagging화Boosting산법,차외재도상수거집상적검색실험야취득료교호적분류효과.
