多特征组合多分类器的方法用于“文本无关”的说话人辨认(英文 )

组合多分类器可以看作是一种用于获得较高识别效果的混合系统。重点探索了以不同特征作为输入的组合多分类器方法。实验结果表明：利用多特征组合多分类器的方法可以提高“文本无关”说话人辨认系统的识别率和可靠性。

一个新的多分类器组合模型

分类在数据挖掘中扮演着很重要的角色,然而单个分类器有很多缺点,包括适用范围十分有限和分类准确度不高等。把多个单分类器的分类结果融合起来是克服这些缺点的有效途径,因此存在很高的研究价值。组合多分类器的一个核心内容是融合规则,现存的融合规则有积规则、和规则、中值规则与投票规则等,但这些规则性能还不够稳定。提出了一个新的基于神经网络的融合规则,并依此建立一个新的多分类器组合模型,实验表明它能提高分类准确度和稳定性。

基于多分类器组合的手写体数字识别

本文提出了一个基于多分类器组合的手写体数字识别方法．文中首先给出了一个客观评价分类器性能的参数，其后基于此参数提出了多分类器的组合方法，并从理论上研究了此方法的一些性质．本文实验采用Concordia大学模式识别与机器智能中心的手写体数字数据库，在实验中，使用了9个利用不同特征分类器进行组合．组合后识别率、拒识率和可靠性分别可达到97．05％，2．05％，99．08％．

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 。

基于多分类器组合的高光谱图像波段选择方法

由于高光谱数据具有波段多,数据量大等特点,对其进行降维处理成为高光谱遥感研究的一个重要问题。提出一种基于多分类器组合的高光谱波段选择方法,该方法通过遗传算法良好的寻优能力获得若干组较优初始波段子集,在此基础上使用这些波段子集训练若干个基分类器,进而利用改进的基于相同错误差异性度量的分类器选择方法选出部分较优分类器,实现波段选择的目的;最终通过局部精度分析的动态分类器选择实现多分类器组合决策。在公共测试数据集上的实验结果表明:与以往直接选择最优波段子集方法相比,提出的算法能够选择更多具有鉴别能力的波段,明显提高了分类正确率。

多分类器组合研究

文章提出了一种多分类器的组合方法,它利用了参与组合的分类器提供的度量层次上的两类信息:对训练样本的决策信息;对待识样本的决策信息。首先对这两类信息进行集成,进而给出了组合分类器的判定规则。用该方法对手写体汉字作分类识别,实验结果显示,较之其它几种方法,它有更高的正确识别率。

基于多分类器组合的人脸识别

根据人类认知的规律 ,文中提出了一种基于整体和局部特征组合的人脸识别方法。奇异值特征是一种比较有效的代数特征 ,文中提取了整个人脸、双眼以及嘴部的奇异值特征。在组合过程中 ,提出了一种改进的将距离转换为后验概率估计值的方法 ,该方法既缩减了单一分类器的可能的模式类别 ,又对各分类器的输出进行了加权。实验结果表明文中方法是有效的。

基于相关性和有效互补性分析的多分类器组合方法

定义了分类器组合中的相关向量和有效互补性的概念 ,并提出了一种新的组合准则 ,即最大有效互补准则 .对人脸图象作正交小波变换 ,得到它在不同频带上的四个子图象 ,然后分别提取奇异值特征 .实验表明 ,这四组特征之间以及相应的分类结果之间的相关性都较小 ,组合结果明显优于原始图象的奇异值特征的分类效果 ,并优于常用的组合方法——计分法的效果 .

基于多分类器组合的个人信用评估模型

针对个人信用评估单一模型存在的不足,提出一种基于多分类器组合的个人信用评估模型。该模型综合了多元判别分析、logistic回归、神经网络、支持向量机等七种个人信用评估单一模型的预测结果,利用加权投票方法对其进行组合并输出最后预测结果。在某商业银行信用卡数据集上的测试结果表明,组合模型能有效地提高预测精度及稳健性,对信贷机构控制消费信贷风险具有很好的适用性。

基于多分类器组合面向对象遥感影像信息提取方法

提出最近距离法和基于知识规则的模糊分类法相结合的混合分类法,针对IKONOS遥感影像,分别用最近距离法、基于知识规则的模糊分类法以及混合分类法对影像进行信息提取。结果表明:混合分类法的信息提取精度最高,总体精度提高到95.60%,Kappa系数提高到0.944,其为面向对象的高分辨率影像信息提供理想方法。

基于多分类器组合的笔迹验证

运用多分类器组合技术和模糊技术将多种笔迹鉴别方法按一定规则进行融合,针对笔迹鉴别中的笔迹验证问题进行应用。实验结果表明,融合后笔迹验证准确率有大幅的提高。

基于多分类器组合的高分辨率遥感影像目标识别

研究多分类器组合的形式及其在目标识别中的应用。设计和实现了基于多分类器组合从高分辨率遥感影像中提取目标的具体方法。以楼房的识别与提取为例,选用QuickBird高分辨率影像,利用投票法、加权求和、完全一致规则及或运算合并等多分类器组合方法进行目标识别,比较了多分类器系统与单一分类器的精度与性能,从理论和实验两方面分析了多分类器组合用于目标识别的精度影响因素,提出了相应的改进策略。实验表明,在采用合理的组合规则下,多分类器组合能使目标识别结果达到高识别率和高置信度。

多分类器组合及其应用

1 引言传统的模式识别系统通常只使用样本的某种单一特征描述和特定的一个分类器来进行分类。这种系统对于类别数较大、输入样本带噪声的问题很难获得好的分类效果。近来发现不同的特征描述、不同的分类器在分类性能上存在着彼此互补的现象,因此同时使用多种特征描述和多个分类器可能提高分类精确性。目前,多分类器组合的研究吸引了学者们广泛的注意。

基于模糊积分的多分类器组合的入侵检测

将模式识别的方法应用到入侵检测系统中解决了传统的基于规则的入侵检测方法的缺陷。提出了一种基于模糊积分的多分类器组合的入侵检测方法,并提出了一种模糊密度的计算方法,通过KDD’99中的入侵检测数据的实验证明,该方法检测准确性较高。

多特征和多分类器组合的湿地遥感影像分类

为了适应湿地遥感影像分类,选择了湿地影像的典型特征,提出了一种组合多分类器的湿地遥感分类方法。提取湿地遥感影像的独立分量、纹理、湖泊透明度、归一化水体指数、绿度指数和湿度分量特征;选择样本对最小欧氏距离、光谱夹角填图、贝叶斯和支持向量机分类器进行训练学习。根据各分类器的混淆矩阵对其赋权值,检验样本是否满足正态分布;根据权值和假设检验结果构建组合分类器决策网络。实验表明该方法较传统湿地分类方法具有更好的性能和更高的精度。

一种新的双层多分类器组合算法

多分类器组合是解决复杂模式识别问题的有效办法。文章提出了一种新的双层多分类器组合算法,首先利用分类对象的主次特征构建了多个差异的融合方案,然后对这些融合方案进行最终的组合决策。实验结果表明,对于复杂分类问题,本文算法具有较高的正确识别率。

基于最佳鉴别变换和分类器组合的人脸自动识别

人脸识别技术在商业和法律上有广泛的应用前景 ,在安全监控中也大有用武之地 .其主要任务是利用已有的人脸图象库 ,识别静止的或视频图象中的一张或多张人脸 .从抽取具有统计不相关的模式特征着手 ,通过基于小波变换的图象分解和 KL 变换等处理 ,避开人脸识别的小样本集的局限 ,并通过运用具有统计不相关性的最佳鉴别变换 ,来抽取人脸的有效鉴别特征 .同时 ,利用多特征多分类器组合的方法对图象进行识别 .该方法在 ORL 人脸图象库上进行实验 ,得到识别错误率为 2 %的实验结果 ,这是目前在此人脸图象数据库上所得到的最好的实验结果 .而且本方法对人脸的姿态。

基于Cascade组合分类器的医学图像分类方法研究

提出了利用Cascade组合方法生成基于贝叶斯、神经网络与决策树的组合分类器,并将之应用到肝脏图像的分类中。实验结果表明,与现有医学图像分类方法相比,该组合方法可以有效地提高医学图像分类的准确性和稳定性。

改进的贝叶斯多分类器组合规则

多分类器组合是提高识别效果的一条有效途径。文中提出一种用于多分类器组合的改进贝叶斯规则 ,即首先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 ,将其作为多分类器组合的依据。组合时对每个类设置不同的阈值 ,使组合效果得以改善 ,这些阈值可以通过训练获得。在数字识别中的应用结果表明 ,改进的贝叶斯规则可以使多分类器的组合结果识别率和置信度得到明显提高。

多分类器组合方法在基于遥感图像的土地利用分类方面的应用

介绍了基于遥感图像的土地利用分类方面应用的研究背景、国内外研究现状,给出了使用提出的多分类器组合方法指导应用实例的研究方法。