摘要
第一章引言
1.1 概述
1.1.1多分类器系统的理论依据
1.1.2多分类器系统的应用领域
1.2 分类器差异性度量(Diversty Measure)的依据
1.3 全文内容安排
第二章多分类器系统中的组合方法综述
2.1 多分类器系统框架
2.2 面向决策输出的方法
2.2.1投票法(Majority Vote)和加权投票法
2.2.2朴素贝叶斯法(Naive Bayes)
2.2.3行为知识空间法(Behavior-Knowledge Space)
2.2.4其它方法
2.3 面向排序输出的方法
2.3.1最高序号法(The Highest-RankMethod)
2 3.2 Borda计数法(Borda Count Method)
2.3.3逻辑斯蒂回归法(Logistic Regression)
2.3.4动态分类器选择法(Dynamic Classifier Selection)
2.4 面向度量输出的方法
2.4.1形式化描述
2.4.2 Max/Min/Sum/Product/Median法
2.4.3线性组合法
2.4.4 K近邻法
2.4.5 Decision Templates法
2.4.6 Dempster-Shafer方法
2.4.7模糊积分法(FuzzyIntegral)
2.4.8传统分类器法
2.5 小结
第三章分类器组合方法实验比较
3.1 文献数据比较
3.2实验流程
3.3实验数据
3.4实验设计
3.4.1特征分割
3.4.2分量分类器选择
3.4.3错误率估计
3.5实验结果
3.6实验结果分析
第四章EPD:一种新的分类器差异性度量方法
4.1 基本概念
4.2现有的一些度量方法
4.3 EPD定义
4.4 EPD的优点
第五章EPD方法的实验比较
5.1 实验流程
5.2实验数据
5.3实验设计
5.3.1分类器集合构造
5.3.2分量分类器选择
5.3.3分类器组合方法
5.3.4错误率估计
5.4实验结果
5.4.1可视化结果
5.4.2相关系数
5.5 实验结果分析
5.5.1差异性度量方法和分量分类器的关系
5.5.2差异性度量方法和分类器组合方法的关系
第六章EPD在人脸识别中的应用
6.1 EPD精简算法(EPD-Thinning Algorithm)
6.2 系统构建
6.2.1预处理
6.2.2特征提取
6.2.3分类器集合构造
6.2.4分量分类器选择
6.3 实验设计
6.4实验结果
6.5 分析
第七章总结与展望
参考文献
致谢