多分类器组合的投票表决规则

为了提高多分类器组合的效果 ,提出了一种改进的投票表决规则 .每个分类器对每个模式类别的识别能力不尽相同 ,通过对大量样本的统计 ,获得有关每个分类器识别性能的先验知识 ,将其作为投票表决的依据 .投票表决时每个类设置不同的表决阈值 ,使组合效果得以改善 .这些阈值可以通过训练获得 .在数字识别系统中的实验结果表明 。

基于多分类器投票表决组合的私募股权投资风险预测度研究

私募股权投资基金是一种新型衍生金融投资工具,因其非公开发行与私下募集的特性,从而具有较高的投资风险。为了监测私募股权基金投资的不确定性所诱发的潜在风险,采用了多分类器投票表决组合方法构建了风险预测模型,通过改进和优化投票表决规则来提高组合分类器对不同数据类别模式的识别能力,将统计小样本测试后得到的单个分类器识别性能的先验知识作为投票表决的根据,通过投票表决时每个类别的表决阈值设置来提升组合的预测效果。在模型构建的基础上,选取了清科集团(Zero2iPo)发布的年度私募股权相关投资案例作为对象进行仿真模拟,仿真结果显示,所构建的组合预测模型具有显著的优越性,能够大幅提高私募股权投资风险预测的准确率。