基于模糊積分的多分類器融合方法研究.pdf

1、多分類器融合是解決復(fù)雜模式識(shí)別問題的有效辦法。模糊積分是一種融合工具，用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(cè)度對(duì)融合系統(tǒng)的性能有很大的影響。若模糊測(cè)度定義得比較合適，可以明顯地提高分類精確率；反之，定義得不恰當(dāng)，可能使得融合系統(tǒng)的分類精確率不如單個(gè)分類器的分類精確率。基于這樣的考慮，本文從三個(gè)方面對(duì)模糊積分在多分類器融合中的應(yīng)用方法進(jìn)行了研究：模糊測(cè)度的確定方法、分類正確率和可

2、應(yīng)用性，并分別對(duì)粒子群算法和捕食與被捕食算法在模糊測(cè)度的優(yōu)化方面進(jìn)行了詳細(xì)的討論。 首先，本文針對(duì)常用的分類器進(jìn)行了介紹和分析，指出了它們各自在分類方面的優(yōu)點(diǎn)和劣勢(shì)，由此引出了多分類器融合的概念，并對(duì)常見的分類器融合方法進(jìn)行了介紹； 然后，對(duì)基于模糊積分的多分類器融合模型進(jìn)行了研究，并對(duì)常用的模糊測(cè)度確定方法進(jìn)行了重點(diǎn)研究，從中發(fā)現(xiàn)了其各自的局限性； 最后，本文針對(duì)上述單分類器、經(jīng)典多分類器融合方法所存在的問題，