使用混合差异性度量的分类器选择方法

摘要

分类器集成系统已广泛应用于模式识别的各个领域,然而随着分类器数量的增加,导致分类器间差异度的减小而产生冗余.因此需要研究在保障集成性能的同时,剔除冗余分类器,减小分类器集合的规模.提出了一种使用混合差异性度量的分类器选择方法.该方法首先将成对差异度矩阵转换为邻接矩阵,以一个图或多个图的形式表示;然后利用基于遗传算法的图着色方法,根据着色结果将分类器分组;最后给出一种基于信息熵和非成对差异性度量的评价体系,根据各组的权值选出一组作为最终分类器集合.通过与多种集成方法在UCI数据库的8组数据集上的实验对比,证明了所提方法的可行性.