1、機器學(xué)習(xí)是研究讓機器具有學(xué)習(xí)的能力,集成學(xué)習(xí)是機器學(xué)習(xí)的一大研究熱點,是將多個不同的單個個體模型組合成一個最終模型,這些模型就是我們所要生成的分類器。生成這些模型的目的是利用這些個體模型,利用他們之間的差異性,來改善模型的泛化性能。近年來分類器選擇集成方法的應(yīng)用越來越廣泛,已經(jīng)深入到很多的領(lǐng)域,比如在語音識別、人臉識別、情感識別、文本分類、數(shù)據(jù)挖掘、游戲、遙感圖像分類、醫(yī)療診斷等,在這些方向上受到了廣泛應(yīng)用。分類器集成利用不同分類器之間

2、的互補性,提高集成后分類器的性能,并且在各自分類性能上分類器集成充分發(fā)揮了每個成員分類器的優(yōu)勢,得到比單個成員分類器都好的分類識別率,其目的是通過對多個互補的分類器識別結(jié)果的集成來得到一個高性能的識別系統(tǒng)。具有很大的研究價值,并且也具有很廣的實際應(yīng)用前景。分類器的差異性和準(zhǔn)確性是集成學(xué)習(xí)的兩個充分必要條件,也是選擇性集成學(xué)習(xí)的主要依據(jù),通過提高成員分類器的識別率,增加成員分類器的差異性,來達到提高分類器集成系統(tǒng)性能的目的。但是,在體現(xiàn)分

3、類器的多樣性方面分類器集成方法存在著很多不足。為了實現(xiàn)分類器集成系統(tǒng)的最優(yōu)性能,需要生成具有高準(zhǔn)確性和差異性的分類器進行集成,二者必須兼顧,同時也需要考慮針對不同類別的樣本采用不同的集成方式。就分類器集成學(xué)習(xí)中如何提高分類器的準(zhǔn)確性,如何提高分類器的差異性這些研究問題進行研究。分析并研究了成員分類器的準(zhǔn)確性和差異性的產(chǎn)生,提高集成分類器的識別性能。
　　 本研究主要內(nèi)容包括：分別從集成學(xué)習(xí)的兩個階段(個體分類器的生成階段和個體分

4、類器的組合階段)入手,進行了有關(guān)集成學(xué)習(xí)的兩個階段的優(yōu)化處理,來生成具有高準(zhǔn)確率和差異性的分類器。在分類器的生成階段,為了生成具有準(zhǔn)確率較高的分類器,采用了對原始訓(xùn)練數(shù)據(jù)集進行特征分割的方式,產(chǎn)生較優(yōu)的分類器,充分考慮訓(xùn)練樣本集的分布特征,在保證單個分類器高性能的情況下,達到成員分類器多樣性的目的。在分類器的組合階段,組合這些分類器的分類結(jié)果來達到理想的效果,利用合理的差異度量公式選擇出具有差異性的分類器,使得分類器的兩個必要性都得到保