基于分类器判决可靠度估计的最优线性集成方法

摘要：

多分类器集成的目标是充分利用每一个分类器的长处,既要发挥它们的最佳性能,又能克服单个分类器的弱点,以达到最优的系统识别性能.该文提出一种基于分类器判决可靠度估计的多分类器集成方法,利用各分类器对当前输入样本的判决后验概率,实时估计它们的分类判决可靠度,并指导集成权重系数的分配.该方法能够使集成权重更灵活地适应不同的输入变化,充分利用每个分类器当前的识别能力,从而获得更好的集成效果.该文结合最小均方误差准则(MSE)下的最优线性集成方法给出了权重模型和训练算法,并与其它的线性集成模型作了比较.实验表明,不论在最优化准则下的最终误差还是在实际识别性能上,作者提出的方法都取得了最好的效果.

关键词：最优线性集成、判决可靠度、动态权重分配、分类置信度

所属期刊栏目：25

分类号：TP18(自动化基础理论)

资助基金：国家高技术研究发展计划863计划2001AA114081;国家自然科学基金69972024

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：890-895