基于小生境粒子群优化的多分类器集成技术研究

在多分类器集成中，成员分类器的差异度对集成的性能起着至关重要的作用。但差异度在集成中所起的作用至今仍然不清楚，各种差异度标准目前也不具备指导形成成员分类器的能力。而在进化算法中，小生境优化算法具有提升群体的差异度并发现多个最优解的能力。因此,本项目首先致力于研究小生境粒子群优化算法在提升多分类器差异度中的作用。在此基础上，进一步研究一种新的差异度标准，以期对形成成员分类器具有一定的指导作用。另外，目前将进化计算技术应用于多分类器集成中，仅优化一维参数并最终获得一组最优选择。而使用小生境算法，不仅能进行多维参数的优化（即不仅去选择合适的特征，而且选择集成中合适的结构，及选择合适的分类器和组合方式），而且能够获得多组最优选择。本项目将小生境粒子群优化算法全面的应用于多分类器集成中，最终目标是构建一种基于进化的、多选择的、自适应的多分类器集成及融合的体系结构。