基于Multi-Agent的分类器融合

针对决策层输出的分类器融合问题 ,该文提出了一种基于Multi Agent思想的融合算法 .该算法将分类器融合问题建模为人类发源地问题 ,通过引入决策共现矩阵 ,并在智能体之间进行信息交互 ,从而利用了分类器之间的决策相关信息 .算法根据在融合训练集上得到的统计参量 ,指导各个智能体向不同类别溯源 ,并通过智能体之间的信息交换改变溯源概率 ,最终达到群体决策 ,得到决策类别 .本文在标准数据集上对该算法进行了实验研究 ,通过与其它一些融合方法的比较 ,得出在用于融合的分类器较少时 ,该算法得到比其它方法更低的分类错误率 ,其空间复杂度相对BKS方法较小 .实验证实 ,该算法是收敛的 .