使用混合差异性度量的分类器选择方法

摘要：

分类器集成系统已广泛应用于模式识别的各个领域,然而随着分类器数量的增加,导致分类器间差异度的减小而产生冗余.因此需要研究在保障集成性能的同时,剔除冗余分类器,减小分类器集合的规模.提出了一种使用混合差异性度量的分类器选择方法.该方法首先将成对差异度矩阵转换为邻接矩阵,以一个图或多个图的形式表示;然后利用基于遗传算法的图着色方法,根据着色结果将分类器分组;最后给出一种基于信息熵和非成对差异性度量的评价体系,根据各组的权值选出一组作为最终分类器集合.通过与多种集成方法在UCI数据库的8组数据集上的实验对比,证明了所提方法的可行性.

关键词：分类器集成、差异性、遗传算法、图着色方法、信息熵

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61602157;the Science and Technology Planning Project of Henan Province under Grant No. 162102210062;the Key Scientific Research Project of Colleges and Universities of Henan Province under Grant No. 15A520017

在线出版日期：2018-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1522-1530