论文部分内容阅读
在集成学习领域，传统的动态集成选择需要为每一个样本选择子分类器组成集成分类器，这极大地增加了计算复杂度。针对这一问题，提出一种新的半动态集成选择方法。该方法分为两阶段，第一阶段为所有的测试样本选择最好的个体分类器组成一个集成分类器，第二阶段从剩余的个体分类器集合中为当前测试样本动态地选择子分类器组成一个集成分类器。最终的分类结果通过融合两阶段得到集成分类器的结果得到。通过对UCI数据测试的结果表明，该算法不仅能取得较好的分类性能，而且能极大地降低计算复杂度。