现代计算机（普及版）
現代計算機（普及版）
현대계산궤（보급판）
MODERN COMPUTER
2014年
2期
8-11
,共4页
多分类器%动态加权%机器学习%模式识别
多分類器%動態加權%機器學習%模式識彆
다분류기%동태가권%궤기학습%모식식별
Multiple Classifiers%Dynamic Weighting%Machine Learning%Pattern Recognition
在使用多分类器系统时，一种流行的方法是采用简单的多数投票策略来聚合多分类器。然而，当各个独立的分类器的性能不统一时，这种简单的多数投票规则会对分类结果造成负面影响。引入一种新的动态加权函数来聚合多个分类器，动态加权函数通过增加分类结果距离样本最近的分类器的权值来提高分类器的性能。在UCI机器学习数据库中的几个现实问题数据集上的实验结果表明动态加权的多分类器聚合方法比简单的多数投票方法能取得更好的分类结果。
在使用多分類器繫統時，一種流行的方法是採用簡單的多數投票策略來聚閤多分類器。然而，噹各箇獨立的分類器的性能不統一時，這種簡單的多數投票規則會對分類結果造成負麵影響。引入一種新的動態加權函數來聚閤多箇分類器，動態加權函數通過增加分類結果距離樣本最近的分類器的權值來提高分類器的性能。在UCI機器學習數據庫中的幾箇現實問題數據集上的實驗結果錶明動態加權的多分類器聚閤方法比簡單的多數投票方法能取得更好的分類結果。
재사용다분류기계통시，일충류행적방법시채용간단적다수투표책략래취합다분류기。연이，당각개독립적분류기적성능불통일시，저충간단적다수투표규칙회대분류결과조성부면영향。인입일충신적동태가권함수래취합다개분류기，동태가권함수통과증가분류결과거리양본최근적분류기적권치래제고분류기적성능。재UCI궤기학습수거고중적궤개현실문제수거집상적실험결과표명동태가권적다분류기취합방법비간단적다수투표방법능취득경호적분류결과。
When a multiple classifiers system is used, one of the most popular methods to realize the classifier fusion is the simple majority voting. When the performance of each single classifier is not consistency, the efficiency of this simple majority voting generally results affected negatively. Introduces a new function of dynamic weighting for classifier fusion. This new dynamic weighting procedure is to reward the individual classifier with the nearest neighbor to the input pattern. Experimental results on the several real-problem data sets from the UCI machine learning database repository show that dynamic weighting strategies is better than the simple majority voting scheme.
