论文研究 MFA DMFS:一种新的多分类器融合方法及其应用研究.pdf

针对分类器的构建，在保证基分类器准确率和差异度的基础上，提出了采用差异性度量特征选择的多分类器融合算法(multi-classifier fusion algorithm based on diversity measure for feature selection, MFA-DMFS)。该算法的基本思想是在原始特征集中采用Relief 特征评估结果按权值大小选择特征，构造特征子集，通过精调使各特征子集间满足一定的差异性，从而构建最优的基分类器。MFA-DMFS不但能提高基分类器的准确率，而且保持基分类器间的差异，克服差异性和平均准确率之间存在的相互制约，并实现这两方面的平衡。在UCI数据集