平均分布集成策略：一種新的分類器融合方法.pdf

1、機器學習的核心目標之一是讓機器具有像智能生物一樣的自主學習的能力。時至今日，機器學習已經(jīng)成為人工智能領(lǐng)域的核心研究內(nèi)容，其應用遍及人工智能的各研究方向，包括專家系統(tǒng)、自動推理、自然語言處理、模式識別、計算機視覺等。
　　在機器學習的各分支中，集成學習一直是一個主流的研究方向，在過去二十年中有了顯著的發(fā)展。集成學習通過學習若干個有差異的基分類器，并將它們的分類預測結(jié)果進行融合作為最終的結(jié)果。與單個分類器相比，集成學習在大多數(shù)情況下可

2、以顯著提高分類系統(tǒng)的泛化能力，并且具有更強的健壯性和穩(wěn)定性。
　　分類器融合是集成學習中的一個核心問題，研究者已提出多種不同的分類器融合方法。本文對集成學習進行了較為深入的研究，介紹了集成學習的概念、構(gòu)成、作用以及最新研究成果。在此基礎(chǔ)上，本文提出了分類器平均分布的概念，即通過調(diào)整基分類器的權(quán)重，使它們在不同樣本上的表現(xiàn)盡可能的平均。這種策略為那些只被少數(shù)分類器正確預測的樣本提供了機會。此外，本文提出了分類器等價系數(shù)的概念，即如何