基于聚类选择的分类器集成.pdfVIP

第 24 卷第 12 期 计 算 机 应 用 研 究 Vol. 24 No. 12 2007年 12 月 　 App lication R esearch of Computers D ec. 2007 基于聚类选择的分类器集成 王正群 , 张天平 , 乐晓蓉 (扬州大学 信息工程学院 , 江苏 扬州 225009) 摘 　要 : 提出了一种基于聚类选择的分类器集成方法 ,通过聚类把模式特征空间划分成不相交的区域 ,对于初 始分类器集合 ,各区域给出分类器的删除分值 ,各分类器总分值确定其删除优先级别 , 由删除优先级别选择一组 分类器组成集成 。理论分析和实验结果表明,基于聚类选择的分类器集成方法能够更好地对模式进行分类 。 关键词 : 分类器集成 ; 聚类 ; 分类器选择 ; 差异性 ; 神经网络 中图分类号 : TP18　　　文献标志码 : A 　　　文章编号 : 100 13695 (2007) C la ssifiers en sem b le by clu stering and selection WAN G Zhengqun, ZHAN G Tianp ing, L E X iaorong ( Colleg e of Inf orm a tion E ng ineering, Yangzhou Un iversity, Yangzhou J iangsu 225009, Ch ina) A b stract: The feature sp ace wa s p artitioned into d isjoined region s, wh ich gave the dism ission score s of cla ssifiers in the en sem b le. Total score decided by all region s orders the p referential rank for cla ssifiers dism ission , by wh ich a set of cla ssifiers wa s selected from original cla ssifiers. Theoretic analysis and exp erim ent re su lts show that the cla ssifiers en sem b le m ethod is ef ficien t for p attern recogn ition. Key words: cla ssifiers en sem b le; clu stering; cla ssifiers selection; diversity; neural network 　　实际应用中总是希望设计的模式识别系统能获得最好的 对于间接策略 ,过产生阶段可以采用直接策略生成集成的 分类性能 。为了实现这个 目标 ,经典的方法是设计出一系列的 各种方法生成集成中个体分类器 ;再选择阶段是对过产生阶段 分类器后 ,选择具有最好性能的分类器作为最终使用的分类 的优化 ,其 目的是为了得到最好的分类器集成 , 即分类识别性 器 。然而 ,不同的分类器本质上提供了对模式分类的补偿信 能最好的分类器 。因此识别的准确率或最小错误率是最直接 息 ,它们的集成