一个新的多分类器组合模型

摘要

分类在数据挖掘中扮演着很重要的角色,然而单个分类器有很多缺点,包括适用范围十分有限和分类准确度不高等..把多个单分类器的分类结果融合起来是克服这些缺点的有效途径,因此存在很高的研究价值.组合多分类器的一个核心内容是融合规则.现存的融合规则有积规则、和规则、中值规则与投票规则等,但这些规则性能还不够稳定.提出了一个新的基于神经网络的融合规则,并依此建立一个新的多分类器组合模型,实验表明它能提高分类准确度和稳定性.