一种新的分类器选择集成算法  

New Classifier Selection Ensemble Algorithm

作　　者：尹光[1] 朱玉全[1] 陈耿[2] 

机构地区：[1]江苏大学计算机科学与通信工程学院,江苏镇江212013 [2]东南大学经济管理学院,南京211189

出　　处：《计算机工程》2012年第8期167-169,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(70971067);江苏省自然科学基金资助项目(BK2010331)

摘　　要：为提高集成分类器系统的分类性能,提出一种分类器选择集成算法MCC-SCEN。该算法选取基分类器集中具有最大互信息差异性的子集和最大个体分类能力的子集,以确定待扩展分类器集,选择具有较大混合分类能力的基分类器加入到待扩展集中,构成集成系统,进行加权投票并产生结果。实验结果表明,该方法优于经典的AdaBoost和Bagging方法,具有较高的分类准确率。In order to improve the performance of Multiple Classifier System（MCS）, a new classifier selection ensemble algorithm called MCC-SCEN is proposed. This algorithm first finds classifier subsets which have the biggest single accuracy and diversity to generate the unexpand classifier set, then selects classifiers that have largest MCS to construct the ensemble system and uses weighted vote as ensemble method. Experimental results show this method is better than AdaBoost and Bagging method.

关 键 词：多分类器系统 选择集成 差异性 分类能力 加权投票 

分 类 号：TP312[自动化与计算机技术—计算机软件与理论]