多神经网络分类器的融合方法的比较

算术平均、多数投票等融合方法已被很多研究者广泛使用,使用这些融合方法的假设条件是所有分类器是相互独立的。用互不相容的子集作为训练集来提高各个神经网络分类器的独立性。选择9种常见的融合方法在2个UCI的两类数据库进行实验,用来比较哪种融合方法更有效。实验结果表明取大法能获得很好的融合效果,加权平均法和加权投票法的融合性能不比平均法和多数投票法好。