计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2008年
9期
1612-1619
,共8页
刘明%袁保宗%苗振江%唐晓芳%李昆仑
劉明%袁保宗%苗振江%唐曉芳%李昆崙
류명%원보종%묘진강%당효방%리곤륜
信息融合%模式识别%集成学习%分类器组合%局部分类精度%分类置信度
信息融閤%模式識彆%集成學習%分類器組閤%跼部分類精度%分類置信度
신식융합%모식식별%집성학습%분류기조합%국부분류정도%분류치신도
基于局部分类精度设计多分类器系统能够有效地提高分类正确率.目前流行的动态分类器选择方法不能充分利用各个基本分类器的信息.在动态分类器选择方法中,局部分类精度最高的基本分类器决定最终的分类结果,其他基本分类器的信息被忽略.提出了一种将局部分类精度变换为分类置信度的方法,从而可以利用度量层分类器融合方法对得到的置信度进行融合.与动态分类器选择方法相比,度量层分类器融合方法能够利用更多的信息,从而能够取得更高的分类正确率.ELENA数据库、UCI数据库和DELVE数据库上的大量实验表明,新方法在分类正确率方面超过动态分类器选择方法大约0.2%～13.6%.
基于跼部分類精度設計多分類器繫統能夠有效地提高分類正確率.目前流行的動態分類器選擇方法不能充分利用各箇基本分類器的信息.在動態分類器選擇方法中,跼部分類精度最高的基本分類器決定最終的分類結果,其他基本分類器的信息被忽略.提齣瞭一種將跼部分類精度變換為分類置信度的方法,從而可以利用度量層分類器融閤方法對得到的置信度進行融閤.與動態分類器選擇方法相比,度量層分類器融閤方法能夠利用更多的信息,從而能夠取得更高的分類正確率.ELENA數據庫、UCI數據庫和DELVE數據庫上的大量實驗錶明,新方法在分類正確率方麵超過動態分類器選擇方法大約0.2%～13.6%.
기우국부분류정도설계다분류기계통능구유효지제고분류정학솔.목전류행적동태분류기선택방법불능충분이용각개기본분류기적신식.재동태분류기선택방법중,국부분류정도최고적기본분류기결정최종적분류결과,기타기본분류기적신식피홀략.제출료일충장국부분류정도변환위분류치신도적방법,종이가이이용도량층분류기융합방법대득도적치신도진행융합.여동태분류기선택방법상비,도량층분류기융합방법능구이용경다적신식,종이능구취득경고적분류정학솔.ELENA수거고、UCI수거고화DELVE수거고상적대량실험표명,신방법재분류정학솔방면초과동태분류기선택방법대약0.2%～13.6%.
