基于分类器判决可靠度估计的最优线性集成方法

多分类器集成的目标是充分利用每一个分类器的长处 ,既要发挥它们的最佳性能 ,又能克服单个分类器的弱点 ,以达到最优的系统识别性能 .该文提出一种基于分类器判决可靠度估计的多分类器集成方法 ,利用各分类器对当前输入样本的判决后验概率 ,实时估计它们的分类判决可靠度 ,并指导集成权重系数的分配 .该方法能够使集成权重更灵活地适应不同的输入变化 ,充分利用每个分类器当前的识别能力 ,从而获得更好的集成效果 .该文结合最小均方误差准则 (MSE)下的最优线性集成方法给出了权重模型和训练算法 ,并与其它的线性集成模型作了比较 .实验表明 ,不论在最优化准则下的最终误差还是在实际识别性能上 ,作者提出的方法都取得了最好的效果 .