一种基于Dempster-Shafer证据理论的多分类器组合新技术
人工智能
2011-07-04 v1
摘要
本文提出一种基于Dempster-Shafer证据理论的新分类器组合技术。Dempster-Shafer证据理论是一种组合来自不同分类器的证据度量的强大方法。然而，由于每种估计分类器证据的现有方法都有其自身的局限性，我们在此提出一种新的实现方式，该方式能适应训练数据，以使总体均方误差最小化。在三个不同分类问题上的测试表明，所提出的技术优于大多数现有的分类器组合方法。
引用
@article{arxiv.1107.0018,
title = {A New Technique for Combining Multiple Classifiers using The Dempster-Shafer Theory of Evidence},
author = {A. Al-Ani and M. Deriche},
journal= {arXiv preprint arXiv:1107.0018},
year = {2011}
}