基于自适应距离度量的最小距离分类器集成

摘要

提出了一种基于自适应距离度量的最小距离分类器集成方法,给出了个体分类器的生成方法.首先用Bootstrap技术对训练样本集进行可重复采样,生成若干个子样本集,应用生成的子样本集建立自适应距离度量模型,根据建立的模型对子样本集进行训练,生成个体分类器.在集成中,将结果用相对多数投票法集成最终的结论.采用UCI标准数据集实验,将该方法与已有方法进行了性能比较,结果表明基于自适应距离度量的最小距离分类器集成是最有效的.