一个新的多分类器组合模型

被引：7

作者：

蒋林波 ^{[1
]}

蔡立军 ^{[1
]}

易叶青 ^{[2
]}

机构：

[1] 不详

[2] 湖南大学计算机与通信学院

[3] 不详

[4] 湖南大学软件学院

来源：

计算机工程与应用 | 2008年 / 17期

基金：

湖南省自然科学基金;

关键词：

数据挖掘; 分类; 神经网络; 组合多分类器;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

分类在数据挖掘中扮演着很重要的角色,然而单个分类器有很多缺点,包括适用范围十分有限和分类准确度不高等。把多个单分类器的分类结果融合起来是克服这些缺点的有效途径,因此存在很高的研究价值。组合多分类器的一个核心内容是融合规则,现存的融合规则有积规则、和规则、中值规则与投票规则等,但这些规则性能还不够稳定。提出了一个新的基于神经网络的融合规则,并依此建立一个新的多分类器组合模型,实验表明它能提高分类准确度和稳定性。

引用

页码：131 / 134+147 +147

页数：5