基于混淆矩阵和集成学习的分类方法研究

• 作者: 孔英会 景美丽
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 混淆矩阵 支持向量机(SVM) 集成学习 AdaBoost
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 图形与图像
• 页码范围: 111-117
• 分类号: TP391.4
• 字数: 6773字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2012.06.022

摘要

针对多分类问题,本文提出一种基于混淆矩阵和集成学习的分类方法.从模式间的相似性关系入手,基于混淆矩阵产生层次化分类器结构；以支持向量机(SVM)作为基本的两类分类器,对于分类精度不理想的SVM,通过AdaBoost算法对SVM分类器进行加权投票.以变电站环境监控中的目标识别为例(涉及到人、动物、普通火焰(红黄颜色火焰)、白色火焰、白炽灯),实现了变电站环境监控中的目标分类.实验表明,所提出的方法有效提高了分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔英会	华北电力大学电子与通信工程系	84	765	14.0	24.0
2	景美丽	华北电力大学电子与通信工程系	3	95	2.0	3.0