多决策模板分类器融合

摘要：

针对多类分类问题提出了一种新的度量层分类器融合方法,为每个模式类设置多个决策模板,每个决策模板针对一种容易发生的分类错误,从而能够有效地降低错误率；此外,采用模糊系统表示Meta层样本与各个决策模板之间的关系,能够比较准确地计算样本属于各个模式类的总分类置信度.从公用数据仓库中选取了三个较大规模数据集对新方法进行测试,并且与k-近邻规则、投票法、朴素贝叶斯法、线性规则、模板匹配法等常用的分类器融合方法进行了比较.大量实验结果表明,对于类别数在3～15之间的分类问题,该方法具有较好的综合性能.

关键词：模式识别、分类器融合、模糊系统

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60773062,60903089,60801053;河北省自然科学基金F2009000215;河北省教育厅科研计划项目2008312;北京市优秀博士学位论文指导教师科技项目YB20081000401

在线出版日期：2012-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：216-220