基于全信息相关度的动态多分类器融合

计算机科学 ›› 2008, Vol. 35 ›› Issue (3): 188-190.

基于全信息相关度的动态多分类器融合

张健沛程丽丽杨静马骏

哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
基金项目：本课题得到国家自然科学基金（60673131）和黑龙江省自然科学基金（F2005-02）资助.

ZHANG Jian-Pei, CHENG Li-Li ,YANG Jing, MA Jun （College of Computer Science and Technology, Harbin Engineering University of China, Harbin 150001）

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： AdaBoost采用级联方法生成各基分类器，较好地体现了分类器之间的差异性和互补性。其存在的问题是，在迭代的后期，训练分类器越来越集中在某一小区域的样本上，生成的基分类器体现不同区域的分类特征。根据基分类器的全局分类性能得到固定的投票权重，不能体现基分类器在不同区域上的局部性能差别。因此，本文基于AdaBoost融合方法，利用待测样本与各分类器的全信息相关度描述基分类器的局部分类性能，提出基于全信息相关度的动态多分类器融合方法，根据各分类器对待测样本的局部分类性能动态确定分类器组合和权重。仿真实验结果表明

关键词: AdaBoost 动态多分类器融合全信息相关度

Abstract: The base classifiers trained by AdaBoost combination learning algorithm are produced orderly, diversity and complementarity of base classifiers are assured. But along with the iterative process of AdaBoost, the classifier which represents different area c

Key words: AdaBoost, Dynamic multiple classifiers combination, Full information correlation

张健沛程丽丽杨静马骏. 基于全信息相关度的动态多分类器融合[J]. 计算机科学, 2008, 35(3): 188-190. https://doi.org/

ZHANG Jian-Pei, CHENG Li-Li ,YANG Jing, MA Jun （College of Computer Science and Technology, Harbin Engineering University of China, Harbin 150001）. [J]. Computer Science, 2008, 35(3): 188-190. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed