多分類器融合中的動態(tài)模糊測度.pdf

1、隨著現(xiàn)代人工智能科學(xué)的發(fā)展，新的分類器也不斷涌現(xiàn)。但是在很多問題中，現(xiàn)有的單個分類器仍舊不能滿足實際的需要。而多分類器融合系統(tǒng)的出現(xiàn)，為改善分類系統(tǒng)提供了一條新的思路。其中基于模糊積分的融合方法引起很多學(xué)者的關(guān)注。采用模糊積分作為融合工具以提高多分類器融合系統(tǒng)的分類精確率和改善系統(tǒng)的穩(wěn)健性。在基于模糊積分的多分類器融合系統(tǒng)中，模糊測度是融合系統(tǒng)的關(guān)鍵因素之一。模糊測度選擇的合適，則可以明顯地提高分類精確率。模糊測度的定義方式主要有兩種：

2、專家給定和通過數(shù)據(jù)庫學(xué)習(xí)獲得。對于給定的分類器，本文通過分析模糊測度對分類結(jié)果的影響，發(fā)現(xiàn)基于模糊積分的多分類器融合系統(tǒng)具有一定的糾錯能力：即對于一個給定樣例，在所有分類器都給出了錯誤的分類結(jié)果的情況下，基于模糊積分的融合系統(tǒng)仍有可能對該樣例進(jìn)行正確的分類。在此基礎(chǔ)上，給出了一種用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)動態(tài)模糊測度的方法。使得模糊測度可以隨著輸入樣例的不同而變化，及時反映出在對某一具體樣本進(jìn)行分類過程中分類器的重要性和分類器之間的交互作用的不