|
|||||
|
|
| 基于混淆熵的分类器集成方法 | |
| 作者姓名： | 陈浩 任晓莹 李彦宏 薛佳炜 王淑琴 崔玥 |
| 作者单位： | 天津师范大学计算机与信息工程学院 |
| 摘 要： | 本文提出了一种基于混淆熵（confusion entropy,CEN）的分类器集成算法.该算法按照候选分类器的CEN值升序排序,遍历选择使得CEN值减小的分类器,从而使组合不断优化,以获得更好的集成分类结果.使用7个候选分类器在5个UCI数据集上进行实验,结果表明,所提算法整体上优于经典的分类器集成算法AdaBoost和XGBoost以及另外3种近期算法（AdaCost、AdaCost-CNN和CU-AdaCost）,验证了算法的可行性. |
| 关 键 词： | 分类器集成 集成学习 混淆矩阵 混淆熵 |