摘要：通过多个分类器的组合来提升分类精度是机器学习领域主要研究内容，弱学习定理保证了这种研究的可行性．分类器的线性组合，也即加权投票，是最常用的组合方法，其中广泛使用的AdaBoost算法和Bagging算法就是采取的加权投票．分类器组合的有效性问题以及最佳组合问题均需要解决．在各单个分类器互不相关和分类器数量较多条件下，得到了分类器组合有效的组合系数选取条件以及最佳组合系数公式，给出了组合分类器的误差分析．结论表明，当各分类器分类错误率有统一的边界时，即使采取简单投票，也能确保组合分类器分类错误率随分类器个数增加而以指数级降低．在此基础上，仿照AdaBoost算法，提出了一些新的集成学习算法，特别是提出了直接面向组合分类器分类精度快速提升

原文链接:http://www.cqvip.com//QK/94913X/200907/30839335.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）