楊利英　覃　征　胡廣伍　張選平

摘要：為提高分類系統(tǒng)的性能，提出一種統(tǒng)一多種元學(xué)習(xí)算法的元學(xué)習(xí)框架，定義并描述了并行和串行兩種組合方式．由基分類器的分類結(jié)果構(gòu)成新屬性，并加入到特征向量中以形成元數(shù)據(jù)．通過擴展特征向量，元學(xué)習(xí)增強了對假設(shè)空間的表達(dá)能力，降低了系統(tǒng)的偏差．在加州大學(xué)提供的標(biāo)準(zhǔn)數(shù)據(jù)集上對元學(xué)習(xí)策略進行了實驗研究，結(jié)果表明：與多數(shù)投票、最大規(guī)則、最小規(guī)則等融合方法實現(xiàn)的多分類器系統(tǒng)相比，并行和串行組合在所用數(shù)據(jù)集上的平均分類錯誤率可分別降低39．12％和40．56％，且在，2分交叉驗證中n值的增加并不能改進分類性能，串行組合中的基分類器的順序?qū)Ψ诸愬e誤率沒有顯著影響．

關(guān)鍵詞：模式分類；多分類器系統(tǒng)；元學(xué)習(xí)

中圖分類號：TP391文獻(xiàn)標(biāo)識碼：A文章編號：0253—987X(2005)06—0570—04