一种基于混淆矩阵的多分类器差异性新度量及其在多分类器系统构造中的应用

摘要

在模式识别领域中,多分类器融合技术能有效提升识别性能,已成为重要研究热点之一.然而并非任意多分类器系统都能够提高分类正确率.为了实现有效的多分类器融合,子分类器间的差异性至关重要.本文提出一种新的基于混淆矩阵的差异性度量方法,与传统的差异性度量方法相比,新定义的差异性大小与融合分类正确率高低之间有更为明显的正相关关系.仿真实验表明,基于新差异性度量所构造的多分类器系统能够有效地提升融合分类性能.