首页 | 本学科首页   官方微博 | 高级检索  
     

基于类别信息的分类器集成方法Cagging
引用本文:刘风,王正群,陈广花.基于类别信息的分类器集成方法Cagging[J].计算机应用,2008,28(Z2).
作者姓名:刘风  王正群  陈广花
作者单位:扬州大学信息工程学院,江苏,扬州,225009
基金项目:国家自然科学基金资助项目 , 江苏省高校自然科学基金资助项目  
摘    要:提出一种基于类别信息的分类器集成方法Cagging.基于类别信息重复选择样本生成基本分类器的训练集,增强了基本分类器之间的差异性;利用基本分类器对不同模式类的分类能力为每个基本分类器设置一组权重.使用权重对各分类器输出结果进行加权决策,较好地利用了各个基本分类器之间的差异性.在人脸图像库ORL上的实验验证了Cagging的有效性.此外,Cagging方法的基本分类器生成方式适合于通过增量学习生成集成分类器,扩展Cagging设计了基于增量学习的分类器集成方法Cagging-Ⅰ,实验验证了它的有效性.

关 键 词:分类  分类器  类别信息  分类器集成  增量学习

Cagging: Classifiers ensemble method based on class information
LIU Feng,WANG Zheng-qun,CHEN Guang-hua.Cagging: Classifiers ensemble method based on class information[J].journal of Computer Applications,2008,28(Z2).
Authors:LIU Feng  WANG Zheng-qun  CHEN Guang-hua
Affiliation:LIU Feng,WANG Zheng-qun,CHEN Guang-hua(School of Information Engineering,Yangzhou University,Yangzhou Jiangsu 225009,China)
Abstract:A classifier ensemble method Cagging based on class information was proposed.Training sets of each classifier generated through selecting samples repeatedly based on class information enhanced the diverse of each classifier.The classify results of all classifiers were combined by voting with weight vector to use the diverse of each classifier better.This weight vector was set for each classifier according to its classification performance to each class.The experimental results on face database ORL verify Ca...
Keywords:classify  classifier  class information  classifier ensemble  incremental learning  
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号