基于混淆矩阵和集成学习的分类方法研究
【出 处】:《
计算机工程与科学
》
CSCD
2012年第34卷第6期 111-117页,共7页
【作 者】:
孔英会
;
景美丽
【摘 要】
针对多分类问题,本文提出一种基于混淆矩阵和集成学习的分类方法。从模式间的相似性关系入手,基于混淆矩阵产生层次化分类器结构;以支持向量机(SVM)作为基本的两类分类器,对于分类精度不理想的SVM,通过AdaBoost算法对SVM分类器进行加权投票。以变电站环境监控中的目标识别为例(涉及到人、动物、普通火焰(红黄颜色火焰)、白色火焰、白炽灯),实现了变电站环境监控中的目标分类。实验表明,所提出的方法有效提高了分类精度。
相关热词搜索: