K均值聚类优化集成学习

摘要

利用Bagging算法对分类器集成可以有效的提高分类器的识别精度和稳定性。Bagging算法需要生成的子分类器差异度要大，则训练子集应有较大差异度。而采用随机采样不能保证训练子集的差异度，为此本文采用对训练样本集进行K均值聚类的方法得到差异度大的训练子集，训练子分类器并获得分类识别精度。实验表明，K均值聚类算法能有效提高Bagging集成算法的分类精度并降低样本维度。