姜季春 王 蔚 令狐红英

（1.贵州大学计算机科学与技术学院，贵州 贵阳 550025；2.贵州燃气〈集团〉有限责任公司，贵州 贵阳 550000；3.贵州师范学院，贵州 贵阳 550001）

0 引言

分类技术是数据挖掘、机器学习及模式识别中一个重要的研究领域，已在生物认证、手写体识别和文字识别、医疗诊断、图像识别、网络安全入侵检测等众多领域得到广泛应用。分类的准确性是衡量分类器性能的最重要指标之一，集成分类器的目的在于获得高性能的分类结果。分类器集成主要是通过对多个单分类器进行组合来提高分类性能。尽管传统的集成分类技术已经应用到很多领域，但随着科技的发展，人们对应用结果有了更高的要求。这就意味着人们希望通过对传统的静态集成分类技术的改进，得到满足应用领域深层次要求的高性能的集成算法。于是，多分类器动态集成技术应运而生，研究分类器集成技术以提高集成分类的性能指标，已成为众多领域的研究热点。

1 多分类器集成

1.1 背景

分类器集成利用单分类器的互补功能，获得比单个分类器更好的分类性能。按照是否针对待分类样本的具体特征来自适应地选取分类器，得到静态集成(Static Ensemble)和动态集成(Dynamic Ensemble)两种多分类器集成方法。多分类器静态集成方法在训练过程中就将最终识别模型的分类器权重和数目都确定下来，就这意味着在分类预测的过程中所有待分类样本均使用相同的识别模型。和静态集成方法相比较，分类器动态集成方法在预测过程中会根据待分类样本的具体特征来自适应地选取适合的分类器进行集成，这种特性说明动态集成具有更好的针对性和灵活性。……