用遗传算法实现模糊测度赋值的一种多分类器融合算法

由于模糊理论可以很好的表达和处理不确定性问题 ,因而得到了广泛的应用 ,并成为信息融合领域中的有效方法 .只要选取合适的模糊测度值 ,基于模糊积分的多分类器融合方法就可以达到比最优的单分类器更好的分类效果 .用遗传算法来计算模糊测度的值时 ,可以得到解空间中的最优解 ,从而实现比非优化方法更好的融合效果 .

一种新的基于聚类的多分类器融合算法

提出了一种新的多分类器融合算法 ,该算法能找出各分类器在特征空间中局部性能较好的区域 ,并利用具有最优局部性能的分类器的输出作为最终的融合结果 .首先 ,利用各分类器对训练样本进行分类 ,这样训练样本被划分为正确分类样本和错误分类样本两个集合 ;接着 ,对这两个样本集合分别进行聚类分析来划分特征空间 ,并计算各分类器在特征空间局部区域中的性能 ;在测试时 ,选择测试样本周围局部性能最优的分类器的输出作为最终的融合结果 .基于 EL ENA数据集的实验显示了该算法的有效性 .

基于投票机制的语句倾向性判定方法

随着互联网的快速发展,门户网站、博客、论坛迸发式涌现,如新浪、腾讯、凤凰、搜狐、网易等,每天都会发布大量新闻,这些新闻很多具有倾向性,倾向性判断对了解社会动态和舆情状况有很重要的作用。使用特征工程方法抽取倾向关键句,在进行极性判别时,主要考虑4个特征:褒义情感词比例、贬义情感词比例、贬义情感词极性乘积、所有情感词极性求和,并训练多个分类器,分别进行语句倾向性判定。针对单一分类方法分类效果不佳的问题,提出了基于投票机制的多分类器融合算法。实验结果表明,该方法能对倾向关键句极性进行很好的分类,达到了预期效果。