从局部分类精度到分类置信度的变换

• 作者: 刘明 唐晓芳 李昆仑 苗振江 袁保宗
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 信息融合 模式识别 集成学习 分类器组合 局部分类精度 分类置信度
• 年，卷（期）: 2008,（9）
• 所属期刊栏目: 图形图像处理与模式识别
• 页码范围: 1612-1619
• 页数: 8页
• 分类号: TP391.4
• 字数: 7277字
• 语种: 中文

摘要

基于局部分类精度设计多分类器系统能够有效地提高分类正确率.目前流行的动态分类器选择方法不能充分利用各个基本分类器的信息.在动态分类器选择方法中,局部分类精度最高的基本分类器决定最终的分类结果,其他基本分类器的信息被忽略.提出了一种将局部分类精度变换为分类置信度的方法,从而可以利用度量层分类器融合方法对得到的置信度进行融合.与动态分类器选择方法相比,度量层分类器融合方法能够利用更多的信息,从而能够取得更高的分类正确率.ELENA数据库、UCI数据库和DELVE数据库上的大量实验表明,新方法在分类正确率方面超过动态分类器选择方法大约0.2%～13.6%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘明	北京交通大学信息科学研究所	36	188	6.0	13.0
3	袁保宗	北京交通大学信息科学研究所	33	569	11.0	23.0
4	李昆仑	河北大学电子信息工程学院	32	624	13.0	24.0
5	苗振江	北京交通大学信息科学研究所	11	93	6.0	9.0
6	唐晓芳	北京交通大学信息科学研究所	7	184	5.0	7.0