推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

动态模糊密度的多分类器融合算法

更新时间:2019-12-23 23:46:29 大小:2M 上传用户:守着阳光1985查看TA发布的资源 标签:多分类器融合算法 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

在分析现有模糊密度计算方法的基础上,本文从分类器的隶属度分布和输出一致性两方面探索计算模糊密度的新方法,提出一种基于决策信任度和支持度的动态模糊密度赋值方法,旨在根据各分类器识别具体目标时输出的客观信息,实时地刻画分类器在融合系统中的可靠性.在表情识别上的实验结果表明,本文方法可以有效提高模糊积分融合的决策性能,降低单分类器输出不可靠决策信息的干扰,是一种有效的多分类器融合方法.


部分文件列表

文件名 大小
动态模糊密度的多分类器融合算法.pdf 2M

部分页面预览

(完整内容请下载后查看)
5
Vol. 46 No. 5  
May 2018  
2018  
5
ACTA ELECTRONICA SINICA  
动态模糊密的多分类器融合算法  
, ,  
李艳秋 任福继 敏  
( 1.  
肥工计算机与信息学院 肥  
230009;  
2.  
情感计算先进徽省实验室 肥  
230009)  
:
分析糊密计算方法的基本文分类属度方面计算模  
, ,  
糊密的新方法 提出一种基于度和的动态模糊密方法 分类识别目标输  
,  
信息 实时分类融合系统中的情识别实验本文方法模  
, ,  
融合分类信息干扰 一种有的多分类器融合方法  
:
;
;
;
关键词  
中图分类号  
URL: http: / /www. ejournal. org. cn  
多分类器融合 分 模糊密情识别  
:
TP391  
:
A
:
文章编号  
0372-2112 ( 2018) 05-1246-07  
文献标识码  
DOI: 10. 3969 /j. issn. 0372-2112. 2018. 05. 034  
电子学报  
Dynamic Fuzzy Density for Multi-classifier Fusion Algorithm  
LI Yan-qiuREN Fu-jiHU Min  
( 1. School of Computer and InformationHefei University of TechnologyHefeiAnhui230009China;  
2. Affective Computing and Advanced Intelligent Machines Anhui Key LaboratoryHefeiAnhui 230009China)  
Abstract: Based on the analysis of the existing fuzzy density calculation methodsthis paper explores a new method  
of calculating fuzzy density from the membership degree distribution and output consistency of the classifiersand proposes a  
dynamic fuzzy density assignment method based on decision trust and support degreewhich aims to describe the reliability  
of the classifier in the fusion system in real time according to the objective information output when each classifier identifies  
the specific target. The experimental results on facial expression recognition show that the proposed method can effectively  
improve the decision performance of fuzzy integral fusion and reduce the interference of unreliable decision information out-  
put by single classifierwhich is an effective multi-classifier fusion method.  
Key words: multi-classifier fusion; fuzzy integral; fuzzy density; facial expression recognition  
分类际输包含的动态信息 对模糊密做  
1
引言  
11]  
实时度量分类属度  
1 ~ 3]  
分类的优势  
多分类器融合  
提出一种糊密融合  
分类系统鲁棒的重  
; 12]  
算法 提出一种实时动态数据糊  
45]  
要手分  
一种层融合方法 与  
, ;  
的方法 并将其应用在献  
6]  
7]  
D-S ,  
先  
理  
13,  
对模糊密动态文  
, ,  
知识的需要独立 多分  
12]  
;
分类性 文献  
器融合的研究热点 应用分的关键是如  
14.  
度和度 取得了融合果 此  
8]  
分类的模糊密度  
糊密  
类动态方法属度间进  
方法大动态态方法主  
分类属度类别画  
9]  
要是基于训练数据得到 矩阵法  
,  
分类空间离  
10]  
, ,  
算法 融合中 模糊密始终变  
.  
度量分类的方向性 本  
识别训练识别一  
研究的基分类属度输  
.  
证分类的重动态方法根  
: 2017-03-13;  
: 2017-06-30; :  
责任辑 蓝红杰  
收稿日期  
回日期  
:
国家然科学金  
( No. 61672202No. 61432004No. 61502141) ;  
-
国家然科学联合目  
( No. U1613217)  
1247  
5
:
艳秋 动态模糊密的多分类器融合算法  
方面 一种糊密动态的新方  
1
=
( Mp' - 1)  
ik  
( 3)  
M - 1  
实验验方法的性  
( 3)  
, ,  
τ 属度值有隶  
i
在式  
2
的计算法  
s ,  
属度值在分类τ 值  
i
i
01.  
τ ∈  
i
= 1  
s  
表示分类别目标  
i
τ  
i
2. 1  
混淆矩阵初始度  
10,  
类别的属度为 其属度为 此时  
M
类别  
s }  
C = { c c c } S = { s s ,  
1
1
2
M
2
s ;  
分类出现τ  
i
= 0  
表示  
i
i
分类器集合 矩阵  
CM  
统计基分  
M × M  
N
P
中的均等 出现识别错误为  
i
s ( 1  
i
i
≤ ≤  
N)  
识别情式  
( 1)  
器  
示  
大  
2. 2. 2  
为了描分类度和度间的对应  
:
分类  
i
i
i
n
n
n
11  
12  
1M  
i
i
i
÷
÷
n
n
n
关系 增大具有的分类策中的重要  
21  
22  
2M  
i
CM  
=
( 1)  
M × M  
度 本文借助  
Logistic  
线函数化分类器  
÷
÷
i
i
i
度  
n
n
n
M1  
M2  
MM  
s
义分类函数为  
i
:
i
n  
s
c
c
类识别类的数  
n
1  
m
中  
分类器  
mn  
i
m
k
i
=
1  
i N  
≤ ≤  
( 4)  
α
i
a r  
τi  
M1  
n M.  
≤ ≤ 初始糊密度  
g
s
c
对 类  
m
表示分类器  
m
i
1 + e  
的识别式  
( 2)  
:
示  
( 4)  
, , s  
τ 大 分类得到度  
i
i
i
M
i
n
1
k
nm  
n
mm  
i
( 1 -  
)
.  
α τ  
i
= 0  
α  
i
分类器  
M - 1n = 1n  
M
i
a
g
=
( 2)  
m
M
m
1 + e  
i
[
]
i
n
nl  
n
ml  
l = 1  
.  
出现高 决τ  
= 1  
i
l = 1  
M
ks .  
分类高  
i
α
i
i
i
n
/
n
s
c
c
m
里  
分类器  
正确识别为  
mm  
ml  
i
m
k、  
函数 α 需要计的α 和  
i
l = 1  
M
r.  
k , ,  
在最小二α 和  
r.  
i
i
n  
/
n
s
c
c
错误识别为  
比率  
分类器  
nm  
nl  
i
n
m
( 5)  
成 线 性 式  
式  
l = 1  
M
M
:
即为  
i
i
i
i
n m. n  
/
n
n  
/ n  
值  
nm nl  
类的比率  
大  
mm  
ml  
k -  
α
i
l = 1  
l = 1  
ln  
= a r  
( 5)  
τ
i
i
g  
s
c
类的识别能  
小  
强  
为了分类识别中的文定  
说明分类器  
α
m
i
m
i
k -  
α
i
' = ln  
i
( 5)  
' = a  
i
α  
式  
线性函数 α  
α
i
^
a
^
r:  
r .  
τ 用最小二得出值  
i
分类度和度  
2. 2  
分类度  
l
2
l
l
l
l
(
)
(
) ' -  
(
) '  
α τ  
i
τ
α
τ
i
∑ ∑  
i
i
i
^
a =  
l
2
l
2
分类别的  
L
(
)
(  
)
τ
i
τ
i
( 6)  
, ,  
属度属度中分类别 此  
l
l
l
l
(
) ' - n  
(
) '  
τ
i
τ
α
α
i
i
i
^
r =  
; ,  
分类容易待判的类别 属  
l
2
l
2
L
(
)
(  
)
τ
i
τ
i
分类待判的类  
l
l
( 6) ( , )  
τ α 数据点  
i
l = 12LL  
表示样  
i
, ,  
别 分类出现别的大 分类性  
数  
2. 3  
低  
2. 2. 1  
分类支持度  
分类度  
分类属度分类在  
xs  
对于待判分类属度值  
i
, , ,  
差 即行融合分  
P = { p p p } p  
iM  
s x  
表示分类本 属  
i
i
i1  
i2  
im  
, ,  
反  
c
. P  
类的属度 中的到  
i
01,  
分类属度息组策  
m
'
P' = { p' p' p' } .  
iM  
P
J
矩阵  
( x) :  
大的属度为  
i
i1  
i2  
i
N × M  
p ( x) p ( x)  
12  
p ( x)  
1M  
p' ,  
义分类τ 属度值  
i
p'  
它  
ik  
11  
ik  
÷
÷
÷
p ( x) p ( x)  
22  
p ( x)  
2M  
属度计算式  
( 3)  
:
示  
21  
J
( x) =  
( 7)  
N × M  
M
1
=
( p' - p' )  
im  
τ
i
M - 1m = 1m  
ik  
p ( x) p ( x)  
N1  
p ( x)  
NM  
N1  
k

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载