MFA-DMFS:一种新的多分类器融合方法及其应用研究

• 作者: 梁军 汪若尘 胥杜杰 胥正川 陈龙
• 来源期刊: 计算机应用研究
• 关键词: 特征选择 差异性度量 分类器融合 图像检索 PCA 仿真
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 522-526
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.02.032

摘要

针对分类器的构建,在保证基分类器准确率和差异度的基础上,提出了采用差异性度量特征选择的多分类器融合算法(multi-classifier fusion algorithm based on diversity measure for feature selection,MFA-DMFS).该算法的基本思想是在原始特征集中采用Relief特征评估结果按权值大小选择特征,构造特征子集,通过精调使各特征子集间满足一定的差异性,从而构建最优的基分类器.MFA-DMFS不但能提高基分类器的准确率,而且保持基分类器间的差异,克服差异性和平均准确率之间存在的相互制约,并实现这两方面的平衡.在UCI数据集上与基于Bagging、Boosting算法的多分类器融合系统进行了对比实验,实验结果表明,该算法在准确率和运行速度方面优于Bagging和Boosting算法,此外在图像数据集上的检索实验也取得了较好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁军	江苏大学汽车工程研究院	34	164	7.0	11.0
5	陈龙	江苏大学汽车工程研究院	368	3236	25.0	34.0
9	胥正川	复旦大学管理学院	21	399	10.0	19.0
10	汪若尘	江苏大学汽车工程研究院	111	908	17.0	23.0
14	胥杜杰		1	3	1.0	1.0