根据混合选择策略的直觉模糊核匹配追踪集成算法
为了从分类器集成系统中选择出一组差异性大的子分类器,从而提高集成系统的泛化能力,提出了一种基于混合选择策略的直觉模糊核匹配追踪算法。基本思想是通过扰动训练集和特征空间生成一组子分类器;然后采用k均值聚类算法将对所得子分类器进行修剪,删去其中的冗余分类器;最后根据实际识别目标动态选择出较高识别率的分类器组合,使选择性集成规模能够随识别目标的复杂程度而自适应地变化,并基于预期识别精度实现循环集成。实验结果表明,与其他常用的分类器选择方法相比,本文方法灵活高效,具有更好的识别效果和泛化能力。
直觉模糊匹配追踪、选择性集成、混合选择策略、差异性度量、泛化性能
33
TP182;TP391(自动化基础理论)
国家自然科学基金项目61272011,61309022资助.Supported by National Natural Science Foundation of China 61272011,61309022
2016-05-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
336-343