论文部分内容阅读
针对多分类问题，本文提出一种基于混淆矩阵和集成学习的分类方法。从模式间的相似性关系入手，基于混淆矩阵产生层次化分类器结构；以支持向量机（SVM）作为基本的两类分类器，对于分类精度不理想的SVM，通过AdaBoost算法对SVM分类器进行加权投票。以变电站环境监控中的目标识别为例（涉及到人、动物、普通火焰（红黄颜色火焰）、白色火焰、白炽灯），实现了变电站环境监控中的目标分类。实验表明，所提出的方法有效提高了分类精度。