设计用于分类器融合的核方案

本文提出了一种特殊的融合方法，利用新型神经网络组合基分类器的集成，以提高整体分类效率。虽然集成设计使得每个分类器独立训练，而决策融合作为最终过程执行，但在本方法中，我们致力于使融合过程更具适应性和效率。这种新的组合器，称为神经网络核最小均方1，试图融合集成分类器的输出。所提出的神经网络具有一些特殊性质，例如核能力、最小均方特征、易于学习模式变体以及传统神经元能力。神经网络核最小均方是一种特殊的神经元，它通过核最小均方特性进行训练。这种新神经元被用作分类器组合器，以融合基神经网络分类器的输出。分析了该方法的性能，并与其他融合方法进行了比较。分析表明，我们的新方法相比其他方法具有更高的性能。