聚类的动态分类器集成选择

摘要：

动态分类器集成选择(DCES)是当前集成学习领域中一个非常重要的研究方向。然而，当前大部分 DCES算法的计算复杂度较高。为了解决该问题和进一步提高算法的性能，本文提出了基于聚类的动态分类器集成选择(CDCES)，该方法通过对测试样本聚类，极大地减少了动态选择分类器的次数，因而降低了算法的计算复杂度。同时， CDCES是一种更加通用的算法，传统的静态选择性集成和动态分类器集成为本算法的特殊情况，因而本算法是一种鲁棒性更强的算法。通过对UCI数据集进行测试，以及与其他算法作比较，说明本算法是一种有效的、计算复杂度较低的方法。

关键词：动态分类器集成选择、集成学习、聚类

分类号：TP3;TP2

资助基金：国家自然科学基金61004069

在线出版日期：2015-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：205-208