利用旋转森林变换的异构多分类器集成算法

编号 zgly0000889883

文献类型 期刊论文

文献题名 利用旋转森林变换的异构多分类器集成算法

作者 毛莎莎  熊霖  焦李成  张爽  陈博 

作者单位 西安电子科技大学智能感知与图像理解教育部重点实验室 

母体文献 西安电子科技大学学报 

年卷期 2014(5)

页码 48-53

年份 2014 

关键词 集成分类器  旋转森林  支撑矢量机  核匹配追踪 

文摘内容 为了增强集成系统中各分类器之间的差异性,提出了一种使用旋转森林策略集成两种不同模型分类器的方法,即异构多分类器集成学习算法.首先采用旋转森林对原始样本集进行变换划分,获得新的样本集;然后通过特定比例选择分类精度高的支撑矢量机或分类速度较快的核匹配追踪作为基本的集成个体分类器,并对新样本集进行分类,获得其预测标记;最后结合两种模型下的预测标记.该算法通过结合两种不同分类器模型,实现了精度和速度互补,将二者混合集成后改善了集成系统泛化误差,相比单个模型集成提高了系统分类性能.对UCI数据集和遥感图像数据集的仿真实验结果表明,文中算法相比单一分类器集成缩短了运行时间,同时提高了系统的分类准确率。